运动目标检测与跟踪技术是计算机视觉的重要分支,广泛应用于智能视频监控、无人驾驶等多个领域。背景减除法作为一种经典的目标检测算法,在简单场景下具有较好的检测效果,但当场景较为复杂时,检测效果并不理想。因此,本文以基于ViBe建模的背景减除法为基础,对复杂环境下的运动目标检测与跟踪进行研究。首先,本文简单介绍了涉及到的图像处理技术;深入研究了帧间差分法、光流法和背景减除法三种常用的运动目标检测算法;对背景减除法中的四种背景建模方式进行实验对比及定量分析,确定了ViBe建模的优越性。然后,针对传统ViBe算法存在的易出现“鬼影”现象、易受动态背景干扰等问题,改进出一种基于LaBGen的自适应阈值ViBe算法。该算法把LaBGen方法生成的背景图像作为背景模型初始化的输入帧,利用当前像素点的样本集方差去自适应的改变其半径阈值,实验表明,本文算法能有效避免“鬼影”现象且在动态背景下效果有一定的提升。最后,为消除阴影对后续跟踪的影响,结合色度特征和梯度特征对阴影检测并去除;针对KCF跟踪算法存在的初始化跟踪框需要人为设定、目标被遮挡会导致跟踪失败等问题,将改进的ViBe检测算法和KCF跟踪算法结合,把要跟踪目标的最小外接矩形当做KCF的初始目标矩形框,提高了跟踪的效果。