计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务是通过对采集的图片或视频进行处理以获得相应场景的三维信息。其中,主动视觉是当今计算机视觉研究领域中的一个热门课题,它可以智能的改变主动摄像机的视角,从而克服了计算机视觉中由于视野范围有限难以大范围和多角度跟踪的缺陷。为了确保对感兴趣目标更大视野和场景的跟踪,在不增加摄像头的基础上PTZ(Pan/Tilt/Zoom,平移/旋转/变焦)摄像机是一个很好的选择。随着PTZ摄像机的广泛应用,基于PTZ摄像机运动目标的主动跟踪技术也成为了研究的热点。主动跟踪的目的是使摄像机实时的跟随目标移动,使运动目标始终处于摄像机的视野中。目前关于主动跟踪技术的研究主要是使用两个摄像机来完成,一个固定摄像机作为主摄像机,一个PTZ摄像机作为辅助摄像机。主摄像机用来对整个视野进行分析、处理图像、计算目标位置及产生控制指令,辅助摄像机根据主摄像机的指令进行录像、锁定跟踪等操作。单PTZ直接进行主动跟踪的方法很少,主要采用人工神经网络和离散活动摄像机的运动等,这些方法计算量大,复杂度高很难进行实时处理。本文以视频监控为应用背景,主要研究了基于PTZ摄像机运动目标的主动跟踪技术。根据单PTZ主动跟踪中存在的问题,本文提出了一种不仅离散摄像机的运动还划分主动跟踪过程的方法。该方法首先把主动跟踪过程划分为两部分,在摄像机静止时进行运动目标检测,利用跟踪结果控制摄像机的运动；其次把摄像机的运动过程进行了离散化,只在一开始目标的位置不在中心区域和目标移出设定好的中心区域才控制摄像机转动,其它时候摄像机都处于静止状态。其中跟踪过程是关键,因为摄像机的控制完全依赖于跟踪的结果,所以选择了速度和准确性都比较高的Mean Shift算法进行运动目标跟踪。但是摄像机转动后由于运动目标在图像中的位置发生了很大的变化,超出了Mean Shift搜索窗口的搜索范围,这时采用改进的灰度模板进行搜索找到目标的新位置,并用这个新位置来更新Mean Shift搜索窗口进行再次跟踪。实验表明该方法能很好的控制摄像机进行实时主动跟踪。