视频运动目标检测和跟踪，旨在将运动目标从背景中分离出来，分析预测目标的运动规律并进行跟踪。根据算法的操作域，可分为像素域算法和压缩域算法。压缩域算法直接利用从压缩码流中提取的运动信息，一方面省略了解压缩的步骤，另一方面以宏块为处理单元，数据量比同等条件下像素域要少得多，提高了算法的实时性。本文以H.264/AVC编码标准为平台，进行压缩域运动目标检测和跟踪算法研究。
　　为了提高运动背景下压缩域运动目标分割的精度，本文以运动矢量为主要运动信息，提出一种基于改进的简单线性迭代聚类（SLIC）和马尔科夫随机场(MRF)的压缩域运动目标分割算法。首先基于运动矢量的幅度、旋度和散度三个运动特征，采用改进的SLIC算法进行聚类，为了增强分割结果，算法利用宏块的邻域关系构建马尔科夫模型能量函数。本文还提出利用运动矢量直方图计算似然函数的方法，有效解决了由于聚类过程陷入局部最优解而导致后续分割精度不高的问题。实验结果表明，本文算法与先进的像素域分割算法相比，计算时间节省81%。与经典压缩域视频对象分割算法相比，F值提高10.3%，计算时间节省35%。
　　为了提高基于运动矢量的压缩域跟踪算法的准确率，本文以运动矢量和宏块分割类型为运动信息，提出运动概率（MP）结合卡尔曼滤波的压缩域运动目标跟踪算法。首先将运动矢量和宏块分割类型两种运动信息进行融合提出运动概率的概念，并建立MP传递模型来进行运动目标检测，然后结合卡尔曼滤波和运动矢量的优势提出一种压缩域卡尔曼滤波跟踪算法，完成对运动目标的跟踪。实验结果表明，本文算法与经典像素域跟踪方法相比，运算时间节省了79.9%。与先进的压缩域视频对象跟踪算法相比，跟踪的准确率提高18.6%。
　　此外，将本文研究的压缩域目标检测和跟踪算法嵌入到智能教学录播系统，实现了对教师实时准确的跟踪，进一步验证本文算法的有效性。