视频图像序列的目标检测与跟踪就是对连续图像序列中的每帧图像进行目标识别与定位。本文在对常见的神经网络模型进行分析后，重点研究了两种目标检测和跟踪算法，分别是基于改进SNoW(Sparse Network of Winnows)神经网络的目标跟踪算法和基于多特征融合的烟雾检测算法。本文提出的一种基于改进SNoW神经网络的目标跟踪算法，改进的SNoW神经网络改变了图像尺寸标准化方式，并只训练正样本，对SNoW结果进行加权处理以及扩张式学习训练方式，能够克服传统网络不能灵活适应各种尺寸图像输入，以及需要事先抽取大量训练样本获取先验知识的不足。大量实验证明，该算法不仅是可行的，而且具有一定的优越性。本文提出的一种基于多特征融合的烟雾检测算法，利用电子稳像技术和背景减除法获得视频序列图的动态特征，在Lab空间中利用改进的K-means聚类分割，并提取边界链码获得其静态特征，最后融合动态和静态特征，获取烟雾区域。该算法克服了依靠单一特征检测烟雾图像的不足，具有较好的鲁棒性。