视频序列中运动目标检测与跟踪是实现视频监控系统的关键技术之一。实际的视频监控系统的应用场景往往是错综复杂、变化较大的,实现具有准确性、实时性和鲁棒性的运动目标检测与跟踪是当前视频监控技术研究的方向。　　本文根据广西科学研究与技术开发计划项目《基于图像传感器阵列目标跟踪监控系统的研究与实现》的研制要求,研究了静态场景下单部摄像机中运动目标跟踪的相关算法。主要针对非刚性运动目标的跟踪问题进行研究,详细分析了MeanShift算法在目标跟踪领域中的应用方法。通过对MeanShift算法跟踪效果的分析,得出其在跟踪过程中的局限性。主要的工作是对其局限性做了两个方面的改进:　　1、针对MeanShift算法不能处理目标遮挡情况下的跟踪问题,采用了基于Kalman滤波和MeanShift算法相结合的方法,并针对MeanShift算法没有模板更新的能力,引入了实例推理机制,有效的解决了遮挡中模板动态更新的问题。首先利用Kalman滤波预测目标在当前帧中可能出现的位置,然后使用MeanShift算法在其邻域内搜索,对遮挡情况做出判断后决定是否进行模板更新。实验表明改进的方法有效的解决了目标遮挡问题和遮挡中模板动态更新的问题。　　2、为了取得更稳定的跟踪效果和提高跟踪的实时性,给出了一种基于组合型表面模型的多目标跟踪方法。该方法通过融合目标颜色特征和梯度特征来建立组合型表面模型,并用直方图的形式来描绘。之后在Kalman滤波预测估计框架下,利用Meanshift算法进行搜索优化从而对多目标进行跟踪,其中针对轨迹交叉问题给出了解决的策略。实验表明,该方法较好的解决了目标被相似物干扰以及遮挡的问题,能够实现对多目标的稳定跟踪。　　本文的研究为视频分析、智能安全监控、人体行为识别与分析等后续研究,提供了依据和基础。