在运动目标跟踪方面，当前比较常用的算法就是Camshift算法。针对该算法容易产生目标丢失的情况，在本文中提出一种基于ORB（oriented brief）特征点匹配的Camshift改进算法。原Camshift算法可以从目标的颜色直方图模型得到每帧图像的反向投影图，根据目标的大小自适应地调整搜索窗口尺寸，并迭代计算各目标窗口的质心位置，从而自适应地扩展搜索窗口。但是当发生目标丢失的情况时，缺少重新寻找得到目标的机制。本文通过引入ORB算法对运动目标进行匹配从而解决了这个问题。仿真实验结果表明

由于实际场景复杂多变，目标在运动过程中往往会出现形变、遮挡等问题，增加了跟踪的难度。为了解决上述问题，提出一种基于特征点匹配的自适应目标跟踪算法。算法初始化时在选定的目标区域内提取特征点，跟踪过程中通过对前后两帧的特征点进行匹配，计算出目标的位置、尺度和旋转变化，进而实现对目标的跟踪。同时通过对特征点的不断更新，可以使算法具有一定的抗遮挡能力。实验表明，该方法在实际应用中效果很好。

针对交通标志出现互连现象导致检测率下降的问题，提出了一种基于曲率尺度空间(CSS)角点检测的交通标志分离算法。使用基于红绿蓝(RGB)归一化的彩色分割算法和区域特征判决准则自动识别多标志互连候选区域，并对提取的目标区域进行边缘平滑和轮廓跟踪。利用基于全局和局部曲率特性的CSS角点检测器对提取的轮廓进行角点检测，并依据角点凸凹性判定准则及分离点对匹配条件，从角点中提取标志间的分离点对。利用Bresenham算法寻求分离点对间的分离线，实现标志的最终分离。实验结果验证了算法的有效性，与现有基于分水岭

为了解决目标跟踪中的尺度和旋转问题,提出一种基于尺度不变特征变换(SIFT)和均值漂移的目标跟踪算法。该算法首先检测模板区域和目标区域在尺度空间中的极值点,然后通过拟合三维二次函数精确定位特征点的位置和尺度,接着对目标区域和模板区域的特征点进行匹配,并根据相邻帧之间尺度和角度的连续性,去除误匹配,最后利用正确匹配的特征点中的尺度和角度信息,计算被跟踪目标的尺度和旋转角度。研究结果表明:当被跟踪目标的角度和尺度发生变化时,该算法皆具有较好的跟踪效果。