视频图像序列中运动目标检测与跟踪技术，是计算机视觉领域的一个重要分支，它融合了图像处理、模式识别、以及计算机等若干领域的先进技术，在视频监控、智能交通、机器人视觉导航以及医疗诊断等方面有着广泛的应用前景。本文主要围绕运动目标检测问题和运动目标跟踪问题展开：　　 对于运动目标检测，首先研究了基于像素灰度归类的背景重构算法，并提出了背景渐变和突变时背景更新策略，然后研究了基于RGB和HSV颜色空间的移动阴影检测与消除方法。　　 对于运动目标跟踪，主要研究了基于Mean Shift算法的运动目标跟踪算法，并给出了基于边缘检测的跟踪窗口尺度自动更新的Mean Shift跟踪算法，以解决Mean Shift算法跟踪窗口固定，不能跟踪渐近或渐远的运动目标的缺点；　　 针对Mean Shift算法不能较好地跟踪被大面积遮挡或完全遮挡的运动目标的缺点，引入了粒子滤波算法及其在运动目标跟踪中的应用，并提出了多样性粒子重采样方法以解决粒子滤波算法的粒子贫化问题；针对粒子滤波跟踪算法需要的粒子量大，运算速度慢的缺点，本文给出了基于Mean Shift算法的粒子滤波算法，该算法利用Mean Shift算法的聚类功能将粒子聚集在更毗邻目标真实位置的区域，使得每个粒子更合理地表达目标的真实状态，故算法对粒子数量的要求减小，算法的运算速度得到了提高。实验表明，新算法的跟踪效果优于传统的基于Mean Shift算法的运动目标跟踪算法，实时性优于单纯的粒子滤波跟踪算法。