针对传统Mean Shift跟踪算法在目标发生遮挡时容易跟偏甚至跟丢的缺陷，提出了一种新的抗遮挡跟踪算法。首先，对跟踪窗口内的目标进行分块；然后，对外围子块分别实施Mean Shift跟踪算法并检测遮挡的发生，当遮挡发生后即对所有子块实施Mean Shift跟踪算法；最后，引入一种子块置信度机制并仅用置信度最高的子块来确定目标的最终位置，从而在目标发生遮挡时能有效剔除被遮挡子块对目标定位的影响。对不同的视频序列测试的结果显示，本算法能对发生遮挡的目标进行准确跟踪。当遮挡目标尺寸为70 pixel×100 pixel时，平均处理时间为38.6 ms/frame。结果表明，改进算法能够满足目标跟踪系统稳定性和实时性的要求。

传统的Mean Shift跟踪算法在目标发生形变时会因跟踪窗不能动态改变尺寸而导致目标跟偏甚至跟丢，因此本文提出了一种新的跟踪窗口大小和方向自适应的改进算法。首先，采用跟踪窗口内协方差矩阵主分量分析法来计算跟踪目标的方向和尺寸大小；然后，联合相似性度量和卡尔曼滤波器来更新跟踪窗口的大小和方向倾角，使之适应目标的变化。实验显示，本算法可对不断旋转和缩放的运动目标进行准确实时跟踪，当目标尺寸在35 pixel×17 pixel到176 pixel×80 pixel之间变化时,平均处理时间为17.45 ms/frame,表明改进的算法能够满足非刚体目标跟踪系统的要求。

针对传统Mean Shift 跟踪算法对伪装目标进行跟踪时容易陷入局部最大值导致跟偏甚至跟丢的问题，本文首先采用联合直方图来增强对目标特征的描述，然后在跟踪过程中以目标背景区分度为原则，动态更改目标描述模型和通过调整联合直方图各部分的权重来自适应背景的变化，以保证跟踪此类目标的鲁棒性。实验证明，针对与背景相似的伪装目标，改进的Mean Shift 算法仍能对其进行有效准确的跟踪。