随着科学技术的高速发展，视频图像运动目标分析技术在导航制导、地形匹配、人脸识别、视频监控、医疗诊断等方面，尤其是军事领域，得到了越来越广泛的应用，有着重要的现实意义和广泛的实用价值。因此，一个检测率高、实时性好的运动目标分析算法的研究就显得尤为必要。本文以陆战车辆对抗演示系统为背景，重点研究了视频图像的运动目标检测与跟踪的方法。本文首先分析了基于Adaboost算法的目标检测与跟踪系统的流程，描述了矩形特征的提取方法，分析了该算法训练时间长的原因，在保证检测精度的前提下，选择了矩形特征模板、优化了特征的选取，从而提高了训练速度。并且选用合适的方法进行图像处理。其次在检测过程中，选取多角度的坦克模型样本，训练了级联分类器。对Adaboost算法级联分类器的构成和检测流程进行了详细的分析，选取最佳窗口搜索策略，减少了检测时间。最后，在多目标实时跟踪阶段，引入颜色特征对已跟踪的陆战车辆进行分类，输出目标的坐标位置，跟踪目标轨迹并为其分配ID号，搭建了本系统的上位机软件并进行实验验证。在实验过程中，分析对比了单目标和多目标的检测结果，检测率达92.7%，多目标检测速度为28.9ms/frame，实验表明了该算法检测和跟踪性能的有效性和实时性。