随着经济水平的快速增长以及现代社会越来越信息化,计算机视觉分析理解在人们的日常生活和工作等诸多领域的应用需求也将与日俱增。研究方向重点涵盖下面几类：目标检测与分类、目标跟踪以及目标识别等,所针对的对象分为两类：刚性物体和非刚性物体,本文主要研究的是对人体的检测与跟踪算法,在现有算法的基础上提出了改进,本文的主要工作包括两点：1、提出了一种改进的三帧差分运动目标实时检测算法。当前常见的检测算法有背景减除法、三帧差分法等。背景减除法所得检测结果“空洞”很明显,并且还存在一部分噪声；传统的三帧差分检测得到的目标也会含有大量的“空洞”和“双影”现象,使得检测结果很差。因此本文基于传统三帧差分方法提出改进的三帧差分算法。该算法的基本思路是选取Surendra算法获得有效背景,根据背景选择性更新方法对得到的背景进行更新处理；其次将相邻的三帧图像分别与更新的背景图像做差,在HSV颜色空间中对所得差分目标中含有的阴影进行消除；再进行三帧差分,将差分的目标再进行“与”运算；最后将“与”以后的结果与中间帧图像经过背景减除以后得到的目标进行“或”运算,就可以得到完整的运动目标。2、提出了一种基于Meanshift算法的人体目标跟踪改进算法。人体发生明显的变化时,传统Meanshift算法的跟踪框不可以实现自适应变化,并且当人体被部分遮挡时,传统的Meanshift算法就很难准确地对人体进行跟踪,轨迹发生了明显的偏差。因此本文所提出的算法基本思路是采取改进三帧差分法提取运动目标区域,并且求出跟踪目标的轮廓,与此同时用Meanshift算法跟踪运动目标,得到最大概率区域,求取该区域的中心坐标作为当前帧跟踪框的中心。跟踪过程中计算巴氏系数的值判断运动目标是否被遮挡,如果被遮挡则调用Kalman滤波对运动目标进行预测路径,跟踪框的大小根据运动目标的大小而改变。本文的实验在Matlab软件平台上对检测和跟踪算法通过编程而实现,同时详细地分析了所得到的实验结果,验证了所提出的改进算法的有效性和正确性。