运动目标的检测与跟踪一直是图像处理和人工智能领域中研究的热点和重点方向，随着目标检测的场景和情况变化越来越复杂，目标检测的需求越来越高，检测技术的研究不断深入，针对特定条件下目标的检测策略和检测算法成为研究热点，复杂背景下小目标的检测与跟踪就是其中一类重要的研究问题。近些年来，复杂背景下小目标的检测与跟踪在军事拦截、安全监测、生物探测等多方面都有研究和应用。论文对小目标图像的单帧检测技术和多帧序列图像目标检测与跟踪技术进行研究，在对目前复杂背景下小目标的检测方法进行研究的基础上，分析比较了高通滤波、形态学滤波、分层阈值化滤波及小波变换、神经网络滤波等各种经典算法的检测效果和丢失目标的原因，提出了一种相互补充的单帧检测算法，采用两级空间滤波与分层阈值检测加权结合的方法。该方法既保证了背景滤波的效果，又保证了小目标在低信噪比的情况下被错误滤除掉。而在多帧跟踪检测步骤中，加入卡尔曼运动信息预测机制，改进了管道滤波的在小目标运动变化情况下丢失目标的问题。管道滤波在多帧跟踪检测中充分利用了小目标在帧间的相关性，跟踪效率很高，但对于小目标运动发生变化时却易丢失目标，本文通过将运动信息简化分解为横向和纵向信息，分别进行运动预测，弥补了管道滤波的邻域固定的缺点。实验结果表明，本文改进的方法有效地提高了小目标检测的成功率。