双目立体视觉是计算机视觉研究的一个重要分支，在多种条件下能够获得景物的深度信息，相对单目视觉有着不可比拟的优势。近年来，随着微处理器件和集成电子技术的飞速发展，双目立体视觉技术基本上可以满足实时性的要求，因此再次成为研究的热点。 运动目标检测与跟踪是计算机视觉研究的核心课题之一，在视频监控、军事视觉制导、医疗诊断、智能交通等方面都有着重要的实用价值和广阔的发展前景。针对传统的基于单目视觉的目标检测与跟踪算法鲁棒性差，难以在复杂场景中检测与跟踪运动目标，在多个运动目标发生遮挡时难以正确的跟踪运动目标的问题，本文在目标检测与跟踪中采用了双目立体视觉技术，取得了不错的效果，实现了单目视觉难以实现的功能。本文主要对静态背景下的运动目标检测与跟踪算法进行了研究，主要的研究工作有： （1）对立体匹配算法做了深入的研究，分析了传统的立体匹配算法的优缺点，提出了一种基于控制点约束及区域相关的立体匹配方法。该方法首先在Harris角点检测算法检测出角点的基础上，对角点进行立体匹配得到精确的匹配点对即控制点，然后在控制点的约束下对非角点像素进行基于区域相关的立体匹配，得到整体稠密的视差图。这样既缩小了匹配搜索空间，提高了匹配的速度，又保证了匹配的可靠性。 （2）对帧差法和背景差分法做了深入的研究，分析了传统的运动目标检测方法的优缺点，提出了基于双目立体视觉的运动目标检测方法，采用基于视差的目标检测方法和基于灰度的目标检测方法相结合的算法，检测出前景运动目标。其具有以下几个优点：在环境光线发生变化时能正确检测出运动目标；当物体被照射产生阴影时能正确检测出运动目标，不受阴影的影响；当目标发生遮挡时能准确检测出运动目标。 （3）分析了传统的均值漂移跟踪算法的优缺点，在此基础上提出了一种结合双目立体视觉和改进的均值漂移跟踪算法的运动目标跟踪方法，该方法在运用双目立体视觉技术检测出运动目标，得到运动目标的深度信息，去除背景干扰的基础上，只对去除背景的前景运动目标运用改进的均值漂移跟踪算法进行跟踪。改进的均值漂移跟踪算法中引入了卡尔曼滤波算法，对运动目标的位置进行预测，采用不同的比例因子将卡尔曼滤波预测结果与均值漂移算法得到的跟踪结果进行线性组合，改进的算法有效的利用了目标的空间位置信息，提高了跟踪的可靠性。该方法能够克服环境光线变化，阴影的干扰以及具有相似颜色的运动目标遮挡等问题。