运动目标检测与跟踪是计算机视觉中一个重要的研究方向，它融合了计算机图像处理、模式识别与人工智能等诸多相关领域的知识，并在军事视觉制导、机器人视觉导航、智能人机交互、工业产品检测、生物医学、交通监控、虚拟现实、运动分析等领域有着广泛的应用前景。　　 本文研究了基于图像序列的多目标检测与跟踪，其主要内容包括：　　 (1)对运动目标检测与跟踪的研究背景和意义进行了概括介绍，总结了目标检测与跟踪的一些常用方法，由此得出了该课题的研究难点，为本文的研究提供了思路。　　 (2)提出了基于像素概率模型的背景分割方法对图像序列中的运动目标进行检测，该方法用高斯混合模型描述每一像素在一段时间内的色彩分布情况，再以具有最大适应度值的子模型作为当前分布模型来描述每一像素的特征；然后通过初始分类阶段和迭代分类阶段，将像素分类为前景或背景；最后基于分类结果，利用在线EM算法更新模型参数。实验结果表明，该方法是可行的且是鲁棒的。　　 (3)对Marko.Chai.Mont.Carlo方法的基础知识进行了简单介绍，提出了基于MarkovChai.Mont.Carlo的灰度图像分割方法，并给出了实验结果，实验结果表明该方法能有效地对灰度图像进行分割，并为解决目标跟踪中的遮挡问题提供了依据。　　 (4)结合基于Marko.Chai.Mont.Carlo的灰度图像分割方法，提出了基于MarkovChai.Mont.Carlo的运动目标检测方法，该方法用矩形区域来近似目标，实验结果表明该方法能将前景图像中相互融合的目标单独地检测出来，有效地解决了目标遮挡问题。　　 (5)对多目标跟踪过程中主要存在的问题进行分析，并对多目标跟踪领域中的常用数据关联算法进行了简单描述；在此基础上，提出了基于Marko.Chai.Mont.Carlo数据关联的多目标跟踪方法，并且针对监控场景中目标数目确定与否，分别详细描述了单扫描MCMCDA方法与多扫描MCMCDA方法，并给出了仿真实验结果和真实图像序列跟踪结果，实验结果表明了该方法能有效地解决多目标跟踪问题。