图像和视频中的文本含有重要的语义信息，可以帮助我们对图像和视频的理解。文本定位技术被广泛的应用在基于内容的视频图像检索和理解等各个领域。然而，从图像和视频中检测和定位出文本并不容易，其主要原因在于图像和视频中的文字通常都叠加在复杂的背景之上。例如，背景的颜色可能和文本的颜色相似，或者背景中含有与字符笔画相似的线条结构等情况，都会给检测和定位工作带来很多干扰。本文针对复杂背景条件下的视频文本检测和定位展开研究，提出了两种不同的算法。归纳起来，主要工作如下：第一、同时考虑字符在视频时域上的特点以及字符笔画的方向信息，结合基于梯度进行文本检测的方法，提出了一种新的由粗到精的文本检测定位算法。粗检测时，利用加权平均梯度能量特征和运动能量特征，得到所有可能含有文本信息的字符块，然后通过连通分量分析去掉虚假的文本区域。精检测时，则利用梯度方向分布的统计特征验证，选取真正满足要求的文本区域。此外，提出了一种简单的视频文本区域跟踪算法。第二、通过提取人工文本和背景间的过渡像素，提出了一种基于过渡像素人工文本检测与定位算法。通过观察可以发现，在人工文本和他相邻的背景区域之间存在着过渡颜色。该方法首先在水平和垂直方向上提取过渡像素点，生成过渡图。通过块滤波器抑制背景的过渡像素，并采用基于密度的快速区域生长算法形成候选文本区域；再利用改进的局部二进制模型(LBP)验证候选文本区，对于检测出的文本区域利用基于过渡图的投影映射精确定位出文本区。实验表明本文提出的两种方法能够适用于不同的语言、字体、尺寸和颜色的字符，同时与现有的方法相比，该两种算法在运算速度、准确率和虚检率方面都有明显的提高。因此，本文提出的两种方法具有很好的应用前景。