运动目标的检测跟踪一直是计算机视觉领域中的重要研究内容，人体目标作为该研究方向上的一个典型的研究对象，在现实生活中有很广泛的实用价值。本文首先综述了课题的研究背景和意义，搜集和分析国内外近些年来运动目标的检测跟踪技术方面的学术论文和研究报告，对检测跟踪人体时可能遇到的难点问题进行分析。针对检测和跟踪过程中需要解决的问题，如遮挡情况和尺度变化等，借鉴前人对这些问题的解决方法，进行一些关键性的改善，提出较为合理的解决方案。　　 本文主要的研究内容有：　　 在检测运动人体环节，首先利用背景差分法和形态学处理检测到人体的区域。然后通过改进的基于人体区域加权的显著图算法得到显著图，并根据WTA竞争机制保留需要的注视点，以这些联合注视点为基础确立联合显著区域。将获得的联合显著区域代替单一的Mean—Shift窗口作为跟踪窗口，联合显著区域在不丢失人体重要特征的原则下，尽可能包含了更多的人体信息情况，减少系统的运算量，提高后续跟踪系统的性能。　　 在跟踪环节方面，在已获得的联合感兴趣区域的基础上，使用颜色核函数直方图方法建立人体的目标和候选模型。针对Mean—Shift在处理人体目标位置和速度变化方面的不足，提出了Kalman滤波器修正方案，主要包含目标位置的预测与修正方案、目标模型的及时更新方案，提高搜寻匹配效率，并利用获取到的观测值不断调整滤波器的参数，以保证下次的预测效果，及时更新运动人体的模型；同时引入差分平方和准则，将经过Kalman滤波器预测后的目标位置在状态空间中的位置进行一次粒子优化，舍弃一些运动信息少的粒子，改善Mean—Shift在人体目标快速运动或者出现部分遮挡方面的不足。对于尺度的变化问题，则通过多尺寸空间的目标信息度量方法与Kalman滤波器相结合的方法解决人体目标在跟踪尺寸不断发生变化的问题；提出一种遮挡策略，对人体是否发生遮挡以及遮挡是否终止进行判别，遮挡结束时，利用人体遮挡前的状态进行处理。实验证明，提出的这些方法极大改善跟踪运动人体的性能。