运动目标检测与跟踪技术是计算机视觉领域中的一个重要课题，也是计算机视觉系统的关键底层技术，其目的是运用计算机视觉从复杂的变化的背景环境中准确识别出所需的运动目标，并提取稳定的目标特征，进而对目标的位置和姿态等信息进行快速实时的跟踪。基于计算机视觉的应用范围越来越广，对运动目标检测与跟踪技术的要求也越来越高。　　 当前大多数的运动目标检测与跟踪方法在灰度级图像中进行，而实际场景中背景的复杂多变，光线亮度的变化、背景中物体的变动、背景中存在与目标特征类似的物体、阴影、目标遮挡等问题，都给灰度级图像运动目标的准确跟踪带来困难。因此，本文在总结和分析现有的运动目标检测和跟踪技术的基础上，为充分利用图像的彩色信息和运用偏三维约束活动轮廓模型对目标进行收敛检测,提出了一种改进的边缘检测融合方法,并通过实验证明了新方法的有效性。　　 本文研究的具体算法为：首先，对采集到的图像进行预处理，去除噪声和干扰；其次，在目标检测方面，通过利用多帧图像平均法提取可靠的背景，再通过背景差分法检测出运动目标区域，并对其进行二值化形态学滤波获得第一帧图像初始轮廓。其他帧图像轮廓均是由前两帧图像预测匹配得到。为充分利用彩色信息本文采用的边缘检测方法是通过对HSV三个分量分别用偏三维约束的活动轮廓模型进行迭代收敛，在获得的三分量收敛轮廓图的基础上通过本文提出的改进的彩色边缘检测融合算法得到目标轮廓。在目标跟踪方面，根据相邻帧间物体变化的平滑性和一致性的特点，由前两帧图像的收敛轮廓通过预测匹配算法获取当前帧目标的初始轮廓，不仅缩小了收敛范围，而且提高了算法准确性；为充分利用相邻帧间目标的空间信息，本算法在活动轮廓模型中引入偏三维约束；以此实现视频序列图像运动目标跟踪。实验表明，该方法简单有效。