在二十一世纪的大数据，高信息化时代，运动目标跟踪技术是机器视觉领域内一个备受关注的课题，随着计算机技术、数字图像处理和模式识别技术的不断深入的研究，对于基于机器视觉的实时视频监控在生活中都有着广泛的应用。　　作者在学习研究视频序列的目标跟踪问题过程中，在阅读了丰富的前人研究成果之后，在课题方向上，论文撰写方面才有了此刻这样的进展。由于目标跟踪的复杂性和环境的多变性，很难能找到一种方法能在所有复杂情况条件下都可以完成精准的目标跟踪，也因此从前人成果中看到层出不穷的算法。文章中着重研究Mean-shift算法，同时介绍了粒子跟踪算法、光流跟踪算法，主要了解这两种跟踪方法的基本理论思想及其优缺点。最后针对以上两种方法的不足提出并验证Mean-shift算法，在一定程度上可以持续的，精准的良性跟踪。　　在论文中作者采用一种改良的差分算法（双差分模型）在差分基础上提出的双差分算法，经实验结果验证改良的双差分算法能够迅速准确的从整个帧图中得到目标前景最大区域。在Mean-Shift跟踪算法的框架下，设计一种结合上述改良的帧差法挖掘丰富运动信息优化 Mean-Shift算法的跟踪效果，可以对运动目标进行快速的，持续的良性跟踪。经试验验证本文设计的方法改善了一般跟踪算法容易漏检误检甚至是误差累积导致目标跟踪丢失，并且在一定程度能保持在持久跟踪过程中对错误跟踪过程进行自我校正的鲁棒性。