视频跟踪算法是计算机视觉领域的一个热点问题，研究目的是模拟人类的视觉运动感知功能，赋予机器辨识序列图像中运动目标的能力，为视频分析和理解提供重要的数据依据。在军事制导、视频监控、机器人视觉导航、人机交互以及医疗诊断等方面有着广泛的应用前景。　　 近年来，尽管人们对视频跟踪系统进行了广泛研究，并提出了许多有效的跟踪方法，但是对于复杂的现实环境来说，单一的视频跟踪算法很难满足系统要求，为了提高系统的稳定性和可靠性，论文研究采用多种跟踪模式融合的视频跟踪算法，主要工作分为以下三部分：　　 (1)针对Mean Shift算法定位不准、核函数直方图对弱纹理目标特征描述不准确等问题，提出了基于SIFT特征的视频跟踪算法。该算法首先采用MeanShift初始定位目标的位置，然后在目标区域与模板中提取SIFT特征点并进行匹配，最后进行仿射变换，根据仿射变换的参数更新模板。由于SIFT特征提取算法计算复杂，论文给出了一种改进的SIFT特征提取算法，降低了计算量；在特征点匹配过程中，分析了误匹配特征点对的特点，给出了一种基于斜率的误匹配特征点对的去除方法；在目标的模板更新研究中，论文分析了目标在发生旋转变化时的特点，给出了一种旋转目标的模板尺寸确定算法，该方法非常适用于刚性目标在发生旋转时的模板更新。　　 (2)给出了一种遮挡时刻的判定算法，该算法主要基于相似性系数的变化和检测到的目标运动规律的变化来判断目标是否被遮挡。在遮挡过程中，利用Kalman滤波算法预测目标位置，解决了目标的遮挡跟踪问题。　　 (3)研究了一种多模式融合的视频跟踪策略，采用Mean Shift、粒子滤波和相关匹配分别跟踪目标，得到目标位置的候选值，对候选位置进行加权得到目标的正确位置。克服了单一目标跟踪算法的不足，提高了视频跟踪系统的稳定性和可靠性。