视频目标跟踪是机器视觉研究领域的关键技术之一,也是该领域的研究热点。同时,视频目标跟踪又是一个复杂的问题,涉及到机器视觉研究的各个方面。本文主要针对视频中的运动物体的目标检测和跟踪及其相关问题进行了研究,旨在通过改进目标跟踪算法,即基于改进Mean-Shift的粒子滤波跟踪算法,完善目标跟踪时初始目标的精确选择以及提高目标跟踪轨迹的准确率。本文的主要工作如下:首先,分析和归纳了视频目标跟踪的研究现状与研究方法,介绍了运动目标检测的常用算法,采用基于颜色背景和颜色梯度的混合高斯背景模型的方法来检查运动目标。其次,对传统Mean-Shift算法进行了改进,采用改进后的Mean-Shift算法实现了对初始目标的选择,通过实验结果验证了改进Mean-Shift算法的合理性。再次,在分析粒子滤波理论的基础上,确立了粒子滤波在视频目标跟踪中的应用流程。将Mean-Shift算法嵌入粒子滤波算法中,较好地克服了粒子滤波器的退化现象。通过较少的粒子维持样本多样性,缩短了跟踪时间。最后,对本文提出的方案进行了实验,并将改进前后算法得出的运动目标跟踪轨迹进行了比较。通过对实验结果和数据的进一步分析与讨论,验证了所提方法的有效性和实用性。