Mean Shift跟踪算法作为目标跟踪领域的众多算法之一，以其计算量小、实时性好、不受目标旋转和边缘遮挡的影响等优点而备受研究者们青睐。本文深入研究了Mean Shift跟踪算法，针对经典算法不能有效处理快速运动、全局遮挡、目标尺度变化等缺陷，提出了相应的解决措施。本文的主要工作如下：1.深入研究了经典Mean Shift运动目标跟踪算法，对算法原理、算法步骤进行了详细论述，并在Matlab上实现了该算法。通过对一系列视频的测试，我们发现经典算法对于低速、无遮挡、尺度无变化等情况下的运动目标，具有良好的鲁棒性和准确性。但是，当运动目标出现快速运动、严重遮挡、尺度变化等情况时，经典算法的跟踪效果欠佳，甚至会出现跟丢情况。2.针对经典算法不能鲁棒跟踪快速运动和全局遮挡目标这一缺陷，我们提出了Mean Shift算法结合Kalman滤波器的改进策略，改进后的算法可以鲁棒的跟踪快速运动和全局遮挡目标。通过对一系列视频的测试，发现改进后的算法较经典算法来讲，的确能够很好的跟踪快速运动、全局遮挡情况下的运动目标。3.针对经典算法不能鲁棒跟踪尺度变化的运动目标这一缺陷，我们通过分析经典算法的理论推导过程，提出了目标像素点权值的矩特征结合目标区域估计的改进算法。通过对一系列视频的测试结果表明，改进后的算法对于尺度变化的运动目标能够进行很好的跟踪。