成像跟踪技术是计算机视觉领域中一项具有实际意义和挑战性的研究课题。本文旨在研究复杂场景下,如何有针对性地提高目标跟踪算法的准确性与稳定性,实现对灰度成像目标的实时跟踪。论文首先结合国内外发展情况讨论分析了灰度图像跟踪的难点,对图像滤波、图像分割等预处理方法进行了对比分析。其次,在对LBP模式下图像纹理直方图分布特性深入分析的基础上,提出了一种基于LBP模式改进的纹理特征提取方法,理论分析和试验结果表明,与常规方法相比,该方法计算量小,其特征值分布更符合复杂背景下成像目标的灰度特征,且相邻两帧的特征值分布具有更好的相似性,有效提高了目标特征描述的准确性。本文着重研究和改进了基于均值移位的跟踪算法,针对灰度图像跟踪问题提出了改进算法,并将其与粒子滤波理论结合用于复杂场景下灰度成像目标的跟踪。分析指出了采用常规直方图跟踪的主要问题是,由于目标色彩信息贫乏,背景和目标的成像灰度差异较小,因而易导致陷于局部相似,使跟踪点发生漂移,甚至导致跟踪失败。在对传统的均值移位跟踪算法进行分析的基础上,提出和构建了一种基于联合特征加权的改进直方图描述方法,利用Bhattacharyya系数计算目标区域相似度测量值,采用均值移位迭代方法进行匹配区域搜索,从而有效提高灰度成像目标的跟踪稳定性。为进一步解决目标跟踪过程中的精确定位问题,将改进后的均值移位与粒子滤波相结合进行跟踪,试验结果表明,该算法能够在复杂背景下及目标快速运动时对锁定目标进行准确跟踪定位,跟踪误差小,具有较强的跟踪鲁棒性。