运动目标跟踪技术作为机器视觉研究中的一个重要研究方向，引起了国内外研究者的广泛关注，并在工业生产、智能监控、医疗诊断、国防等领域有广泛的应用。但是由于受到运动目标的姿态变换及多变背景环境的干扰，直到现在仍然没有一种通用的、健壮的、高性能的目标跟踪方法。　　本文以目标跟踪为主题，对存在摄像机抖动时的目标跟踪难点问题进行了研究，主要内容如下：　　(1)采用角点特征匹配的方法估计全局运动的参量，并利用此参量在图像帧间进行补偿，以消除由摄像机抖动等引起的全局运动。实验证明经过运动分析得出的全局参数精度在一个像素内，用此参数进行运动补偿，能够很好抑制全局运动。　　(2)在研究分析了目标检测算法的基础上，提出了融合背景差与帧差的检测方法，对图像进行掩模滤波处理，用帧间差分值作为背景更新的控制条件。本算法能够根据实际情况更新背景，同时克服了帧差检测结果中包含过多背景的现象，且能够实现实时的检测。　　(3)为了提高检测的速度，采用分块差分的方法进行目标检测。将差分结果分成大小相等的块，对于只含有背景或前景的块进行粗检测，对于同时包含前景和背景的交叉块进行分块细检测。　　(4)对经典的Mean Shift跟踪算法进行了研究，针对其采用单一颜色信息易产生跟踪失效的缺点，提出了颜色特征和梯度特征融合的Mean Shift跟踪方法。该跟踪方法对光照变化不敏感，且能够实现实时的跟踪。　　(5)当目标进行复杂的运动时，其姿态会发生变化，为了能够准确的跟踪运动目标，提出了基于相似变换的Mean Shift的跟踪算法，适用于目标发生姿态变化时精确实时跟踪。