视频目标检测和跟踪融合了图像处理，目标识别，计算机技术和滤波算法。在军事和民用上都有重要的应用价值和研究意义。在水质检测中，检测和跟踪水生生物的运动，分析他们的行为可以对水质进行监测。 　　目标检测目前主要采用的方法是：背景差分法、帧间差分法和光流法。目标跟踪目前主要采用的方法有：基于区域的目标跟踪、基于特征的目标跟踪和基于活动轮廓的目标跟踪。在复杂背景下，由于背景环境的干扰，目标遮挡等情况，在目标检测与跟踪中会出现目标丢失的情况，导致跟踪误差变大，目前常将目标检测与跟踪技术和滤波算法相结合来解决这一问题。对于存在高斯分布的白噪声系统常采用与Kalman滤波相结合来实现目标跟踪。 　　本文以鱼视频资料为研究对象。针对目标丢失的情况，采用图像预处理的方法来减少视频噪声对目标检测与跟踪所造成的误差，并通过图像增强的方法来提高目标的可识别度。在滤波算法中，针对鱼运动速度缓慢的现象研究了速度阈值的方法，能检测出目标丢失的情况，并采用运动学方程重新计算鱼的位置，提高了滤波的准确度。在MATLAB上模拟的结果显示，有效的减少了目标丢失的情况。