本文将运动目标的追踪分为两部分：运动检测和目标的定位追踪。　　 运动检测指确定图像中发生运动的对象，并标记这些对象所在的区域。常用的运动检测方法有差分法、光流场法等。本文采用差分方法进行运动检测，主要针对背景差分和帧差方法进行了讨论，并提出了将两种差分法结合在一起，进行互补的算法，进一步增强了运动检测的可靠性和鲁棒性。　　 目标定位追踪是定位目标所在区域，预测目标的位置。Kalman滤波和粒子滤波是通过运动学建模进行运动参数估计的经典目标定位追踪方法。这些方法没有考虑图像本身的信息，如目标的颜色分布、形状、大小、轮廓等。而利用图像本身信息的基于模板的目标定位追踪方法难以进行目标的运动参数估计。本文试图将图像本身的信息和目标位置、速度的运动参数估计相结合，实现更加精确的目标定位追踪。　　 论文主要工作如下：　　 (1)在详细分析背景差分和帧差的优缺点的基础上，将背景差分和帧差结合在一起，提出了一种混合差分方法。　　 (2)研究了颜色空间的几种颜色表示形式，进一步改进了传统的直方图统计方法，提出了一种能兼顾像素空间相关性的直方图统计方法，更好地表述了目标的颜色特征。　　 (3)研究了序列估计理论的几种数学方法，对粒子滤波进行了深入的研究。结合运动参数估计方法和图像本身信息改善了Kalman滤波的结果；利用目标颜色特征的相似性距离作为参数，通过改进粒子滤波的观察方程，提高了粒子滤波目标追踪的鲁棒性和准确性。