运动目标的分割与跟踪是当前计算机视觉中非常活跃的一个研究领域。计算机视觉研究的目标是使计算机具有通过一幅或多幅图像认知周围环境信息的能力。人类通过感官感知外界的信息，而视觉信息是人类获取的主要信息。运动图像序列中包含了比静态图像更多的有用信息。运动对象的分割，是将视频图像序列划分成若干的运动对象，并在时间轴上对这些运动对象进行跟踪，为以后的研究工作奠定基础，如基于对象的编码技术以及基于内容的视频检索等。目标跟踪则是随着数字视频技术的发展及应用而产生的一个新的研究课题，其在军事以及民用等诸多领域中有广泛的应用。 本论文研究的目的有两点：一是研究如何从视频流中正确的分割出所感兴趣的运动对象，二是研究如何对视频流中的人脸进行实时跟踪。 本论文首先研究了在静态背景中，对视频流中运动目标进行实时分割，通过帧间变化检测来检测运动目标对象，并分割出运动目标。在分割运动目标算法中，本课题实现了两种算法，并且同文献中的两种算法进行比较，最后分析试验结果。后处理采用了形态学算子，其方法简单有效，结果令人满意。 运动目标实时跟踪的研究是本论文的重点。在基于静态图像中使用的MSA(Mean Shift Algorithm)算法的基础上，本论文提出了DMSA(Dynamical Mean Shift Algorithm)跟踪算法，并结合肤色概率分布，将其应用于人脸跟踪的研究中。 西安理工大学硕士学位论文最后在不同背景的视频流中测试了该算法的实时性、准确性等指标，实验结果令人满意。