针对视频序列中运动目标的实时跟踪问题，提出一种基于改进ＳＵＲＦ算法和金字塔ＫＬＴ算法相结合的特征点跟踪方法。首先人工标定目标区域，利用改进的ＳＵＲＦ算法分块快速提取具有高鲁棒性、独特性的特征点；然后在后续帧中应用金字塔ＫＬＴ匹配算法对特征点进行稳定跟踪，采用基于统计的方法剔除错误匹配对；最后利用Ｇｒｅｅｄｙ　Ｓｎａｋｅ分割算法提取轮廓确定更加精准的位置信息，更新目标区域。为使算法更具鲁棒性，还设计了离散点筛选、自适应更新策略。利用飞行视频数据库进行了大量的仿真，结果表明：该算法适用于多尺度图像序列中位置、姿态发生快速变化且结构简单的飞行器的稳定跟踪。帧平均时间为３１．８ｍｓ，比ＳＩＦＴ＋Ｐ－ＫＬＴ跟踪算法减少４７．１％；帧几何中心、目标轮廓面积平均误差分别为５．０３像素、１６．３％，分别比ＧＦＴＴ＋Ｐ－ＫＬＴ跟踪算法减少２７．２％、５６．９％，比ＳＩＦＴ跟踪算法减少３８．６％、６８．４％。