运动目标检测和跟踪作为计算机视觉领域的关键技术之一，在军事视觉制导、智能武器、导弹预警、智能安防、交通导航、视频检索、医疗诊断等许多领域都有广泛的应用，但当前的运动目标检测和跟踪技术并不尽如人意，严重阻碍了其应用推广，因此，运动目标检测算法和跟踪算法的研究具有很大的现实意义。 本文主要研究静止背景下的运动目标的检测算法和跟踪算法。 在运动目标检测部分，讨论了经典的目标检测算法：差分法和光流法，并分析了它们的优缺点。差分法中的帧间差分法具有原理简单，计算复杂度低，但是轮廓提取不是很准确；snake算法能够提供较准确的目标轮廓，但是存在需要预先设定目标轮廓，运算量大的问题。论文在此基础上提出的改进帧间差分法(对称差分)首先标出目标的大致轮廓，然后通过snake算法的迭代运算计算出目标较为精确的轮廓，用于目标跟踪，在snake算法迭代过程中，引入Douglas-Peucker(DP)算法在不降低snake算法准确性的同时降低其计算量。最后，通过实验证明了该融合算法具有很好的鲁棒性和实时性，可以用于实时视频检测。 在运动目标的跟踪部分，本文以目标追踪算法中的经典算法之一均值漂移算法为研究重点，该方法收敛比较快，能够将目标的特征信息和空间信息有效地结合起来，避免了使用复杂模型描述目标的形状、外观及其运动，但是存在着运动目标与背景颜色相近，或物体严重遮挡时会丢失目标，在目标大小发生变化时也可能会造成跟踪丢失。由此，论文提出了一种改进的均值漂移算法，将均值漂移算法和卡尔曼滤波相融合在一起，根据目标被遮挡的比例设置阈值，改善了原有算法在目标运动过程中由于光照变化和严重遮挡等因素造成的目标丢失问题和杂乱背景干扰问题。实验结果表明，改进后的算法提高了运动目标跟踪算法的鲁棒性。 在论文的最后部分，本文还对实验研究过程中完成的一个基于OpenCV的目标检测与跟踪的原型系统做了简要介绍，并总结了全文的工作，进一步阐明了关于运动目标检测和跟踪的下一步研究方向和工作重点。