运动目标的检测和跟踪技术作为视频图像处理中的一个关键技术，在人机交互、交通安全、视频监控、军事和公共安全管理等领域得到了广泛的应用。本文在对运动目标检测和跟踪算法研究的基础上，提出了一些算法的改进方法，并通过实验验证了改进方法的有效性和稳定性。本论文的主要工作如下：首先，在运动目标检测方面，通过对已有的检测方法进行深入分析，并重点研究了基于码书模型的运动目标检测算法。码书模型是一种基于运动信息的检测方法，当目标的运动信息不足时，可能会出现误检或局部检测等问题。针对码书模型存在的不足，通过联合目标的空间整体信息，提出了一种基于码书模型的自适应背景更新算法，使其在处理缓慢移动目标和只有局部运动目标时减少误判。该方法通过对运动目标空间信息变化进行分析，寻找前景中潜在背景，然后联合像素时域统计信息，得到真正的背景模型。实验结果表明，该算法可以快速适应背景变化，提高码书模型处理能力，能明显减少对运动信息不足目标的误判，同时保证目标检测的完整性。其次，在目标跟踪方面，本课题重点研究了基于卡尔曼滤波器和mean-shift的目标跟踪算法。针对现有基于多特征融合的跟踪算法在复杂环境下跟踪准确度不高，且大部分采用单一判定方式来实现多特征融合的问题，提出了一种多准则判定的自适应多特征融合方法。首先引入局部背景信息加强对目标的描述，然后在多特征融合过程中利用多种判定准则自适应计算特征权值。最后，在均值漂移框架下，结合卡尔曼滤波完成对目标的跟踪。在各种场景下的实验结果比较表明：本文融合算法比单种判定融合有更好的稳定性和鲁棒性，有效地提高了复杂环境下跟踪准确性。