运动目标检测与跟踪技术是计算机视觉领域的一个研究热点。作为一种视频分析技术，它融合了图像处理、模式识别、机器学习等多学科知识。近些年来，随着计算机视觉和数字图像处理技术的发展，运动目标检测与跟踪技术在理论与实践上也都取得了一定的进步。同时还有一些重要的问题需要解决，新的方法和技术还有待开发。研究一种鲁棒性好、精确度高、和适用性强的方法依然存在着困难和挑战。　　本文首先简要阐述了本课题的研究背景和意义。接着介绍了相关的基本方法的分类、原理和特点等，分析了国内外的研究进展和一些有待解决的问题，并介绍了相关的图像处理基础知识。　　本文着重讨论了背景差分法。由于基于灰度图像的方法精度受到限制，本文的研究采用基于RGB颜色模型的视频序列图像。针对背景建模部分，提出了改进的中值滤波法。该方法在保持了普通中值滤波法的优点的同时还可以有效的减少运算量。针对目标检测部分，采用RGB颜色空间中的几种颜色差异度量方法用作运动目标检测，通过实验比较了不同方法的实际效果。本文还在目标检测过程中采用了一些滤波方法、图像增强方法以及阴影检测方法，可以有效地改善实际效果。　　对于目标跟踪，本文主要研究的是针对静态背景的多运动目标跟踪。利用目标区域相关性对普通的多个独立运动目标进行跟踪。而多目标合并分离时则采用了多特征加权匹配的方法进行目标区分。其中，特征包括目标的面积、宽高比、颜色直方图和纹理特征。实验表明，本文的方法对一些简单场景的应用具有一定的有效性，但有待进一步改进。