随着计算机网络和多媒体技术的蓬勃发展和不断成熟,远程教育E-Learning作为一种新的教育模式在教育中所占的比重正在越来越大。随着每年通过互联网接受教育的人次的暴增,E-Learning俨然正在成为全球性的教育和培训的潮流和趋势。在E-Learning中,最基本要求就是提供与教师教学活动相关的视频给远程的学生,这个视频要求能捕获教师的所有动作,同时能够尽可能高地提高视频的分辨率,把教师的动作、表情等细微信息传递给学生,提高教学质量,给学生更加生动的学习体验。因此,这就需要一个实时的运动跟踪算法,控制摄像机聚焦在教师身上,并且实时地调整位置对教师进行跟踪。本文通过实现三种常用的运动跟踪算法:混合高斯模型背景差分法、贯序贝叶斯粒子滤波算法、均值偏移法,并经过大量实验的基础上,提出了一种新的基于贝叶斯估计粒子滤波算法框架的融合混合高斯模型背景差分法和Mean Shift均值偏移法的新运动跟踪算法;并在此算法的基础上,实现了一个针对智能教室应用场景的实时运动人体检测与跟踪系统。本文的具体工作如下:1)研究、实现三种运动跟踪算法混合高斯模型背景差分法、贯序贝叶斯粒子滤波算法、均值偏移法。通过实验,比较了三种算法的各自优缺点。2)通过分析三种运动跟踪算法各自算法的特点,提出了一种新的基于贝叶斯估计粒子滤波算法框架的融合混合高斯模型背景差分法和Mean Shift均值偏移法的新运动跟踪算法。以粒子滤波算法为算法框架,在粒子偏移过程中加入Mean Shift偏移向量,并以混合高斯模型背景差分法为全局采样参数,提高运动跟踪的准确性、实时性和鲁棒性。3)利用上述算法,实现了一个实时的教师运动跟踪系统,运行稳定可靠。