作为最受观众喜爱的体育视频之一，足球视频的分析和研究受到越来越多研究人员的关注。在足球视频中，有效的目标检测与跟踪，对足球视频的上层分析有着重要意义，如何实现鲁棒的足球视频目标检测与跟踪算法成为一个亟待解决的问题。本文首先概述了足球目标和球员目标检测与跟踪的研究现状，在深入研究视频镜头分割、运动目标检测与跟踪等理论基础上，针对足球视频中球的检测与跟踪提出了切实有效的解决方案。(1)提出了一种足球视频目标检测方案。将足球视频解码成连续的图像帧序列，在HSI颜色模型中，统计训练图像集的H、S、I分量直方图，得到足球视频的主颜色；根据主颜色对足球视频图像序列进行基于圆柱距离的图像分割，对分割结果进行形态学处理以去除分割过程中产生的空洞和毛刺，进一步通过连通性分析提取最大的连通区域作为场地区域，并将场地区域中的其他连通区域标记为候选目标；为了消除场地线对目标检测效果的影响，本文详细研究了Hough变换，并将Hough变换用于场地线的提取与擦除，实验结果表明算法简单、有效。(2)提出了一种基于Kalman滤波的足球跟踪框架。首先根据目标检测方案的结果，制定基于形状分析方法的足球目标筛选规则，识别出场地区域中候选足球目标；其次，采用Kalman滤波算法对候选足球目标进行跟踪，并对目标遮挡问题以及轨迹分裂问题给出了解决策略；最后，根据足球视频领域知识定义足球运动轨迹筛选规则，有效地从候选轨迹集中提取真实的足球运动轨迹，实验结果表明算法有效。(3)提出了一种基于颜色和HOG特征的粒子滤波足球跟踪算法。首先，提取目标区域的颜色特征和HOG (Histograms of Oriented Gradients)特征，将两种特征进行融合作为模板特征；其次，在粒子滤波算法框架中，对每个粒子周围同样提取颜色特征和HOG特征，并计算每个粒子特征与模板特征的距离，将归一化后的距离作为粒子的权值，对所有粒子进行加权求和，得到目标的跟踪位置。最后，根据重要性重采样方法对粒子进行重采样，并进入下一轮循环。实验结果表明，本算法对足球目标跟踪具有良好的效果，并对目标遮挡有一定的抵抗能力。