自上世纪中期，运动目标跟踪的概念被提出之后，运动目标检测与跟踪技术得到迅速发展和广泛应用。九十年代以来，基于视频的目标跟踪方法研究也逐渐增多。由于实际跟踪环境复杂多变，被跟踪运动目标模型不确定等因素，运动目标视觉跟踪技术成为计算机视觉研究领域中十分有挑战性的研究内容之一。本文基于卡尔曼滤波理论，对运动目标视觉跟踪技术展开了多种方法的研究，并提出了新的运动目标检测方法和阴影检测与去除方法，取得了较好的实验结果。本文的主要工作如下：在运动目标检测方面，针对三帧差法检测出的图像含有噪声和目标部分区域漏检的不足，应用数学形态学原理对检测结果进行处理，去除检测结果中的噪声，填充部分漏检区域，并提出了一种基于梯度的边缘连接算法，对运动目标边缘检测结果进行改进。本文结合三帧差法和改进的边缘检测方法对运动目标进行检测。该方法不仅提高目标检测的精度，而且避免了运动目标部分区域的漏检。在运动目标跟踪方面，应用经典卡尔曼滤波算法实现了对运动目标的跟踪，但经典卡尔曼滤波方法是线性的滤波算法，对于非线性问题的跟踪效果不好。本文应用自适应无迹卡尔曼滤波方法，对序列图像中的单运动目标以及多运动目标进行跟踪实验，实验结果表明自适应无迹卡尔曼滤波方法可以更好的对目标进行跟踪。在阴影检测与去除方面，对阴影形成原因及特点进行分析，并提出一种基于阴影在HSV颜色空间下特点和纹理特征的阴影检测与去除算法。实验结果表明该算法可以有效的去除阴影，提高对运动目标检测和跟踪的准确度。