目前,机器视觉技术在智能化生活,工业生产,医疗领域和军事领域中受到了广泛应用。目标检测提取、识别和跟踪技术是对其进行研究的主体内容,这些方面由于其具有较大的科研价值和应用前景,成为国内外学者积极研究的课题之一。本论文设定固定场景、复杂背景中多运动目标的检测与跟踪作为研究的主要内容,对于目前主流目标检测与跟踪算法,本文在对其理论研究的基础上,对各自算法的优势及缺陷进行分析,进而针对检测与跟踪领域的部分重要算法进行优化,论文通过理论分析和实验仿真,论证改进后的算法在运动目标检测与跟踪方面的性能优势。论文的主要内容安排如下:首先,进行运动目标检测技术的研究,帧间差分法和背景差分法是两种最典型的运动目标检测算法,本文充分分析其应用的适用范围和不足之处,并对运动物体阴影的产生原因与去除方法进行了理论分析与实验仿真。对于运动目标跟踪算法,kalman滤波算法和Mean-Shift算法是两种优秀目标跟踪算法,本文对以上两种算法进行深入研究,为针对其要进行的算法优化打下了良好的理论基础。其次,本文对三帧差分的检测方法进行改进,提出了一种三帧差分法与混合高斯模型相结合的算法对运动目标进行检测,并结合kalman滤波预测跟踪的新型多运动目标检测与跟踪系统,经过两个仿真论证所设计的算法所取得的性能优势。最后,论文提出一种新型的特定目标跟踪系统,它将多特征融合的Mean-Shift与kalman滤波算法进行有机融合。这个跟踪系统设计两个创新之处:首先利用纹理与颜色特征混合进行Mean-Shift目标建模;其次,为进一步保证准确抗干扰性,本文采用相似度判断与kalman滤波预测相结合的方法对目标模板进行实时更新,这种方法可以有效平衡算法的鲁棒性与实时性,并且在出现跟踪目标大幅度遮挡状况下,仅通过kalman滤波预测来实现目标的准确跟踪,从而减少算法的迭代次数。最后经过三组实验仿真证明,改进的特定目标跟踪系统针对此目标的严重遮挡、大范围相似颜色前景背景干扰、或是运动目标速度过快情况时效果优异。本文通过对目标检测与跟踪系统的算法改进,可以对智能视频监控领域的研究提供理论支持和参考依据。