运动目标检测与跟踪是数字图像处理与识别以及计算机视觉领域中备受关注的前沿课题，在军用、民用及医学等方面都具有很重要的应用价值。但是，由于场景的复杂性和多样性，在实际应用中还有许多有待解决的问题。
　　本文首先讨论了数字图像处理的预备知识，包括直方图均衡化、中值滤波、高斯滤波、阈值分割、边界分割和分水岭分割算法等。通过这些处理可以有效地改善图像质量，为后续工作提供了一定的保障。
　　运动目标检测方面，主要分析了三种主要方法：帧间差分法、背景差分法和光流法。针对二帧差分法目标检测出现“双影”和“空洞”的问题，采用了三帧差分法进行改进。背景差分法主要讨论了混合高斯模型和非参数模型法。最后结合帧间差分法和背景差分法的特点，提出了基于帧间差分法和背景差分法相融合的改进算法，通过实验证明，该算法能够获得比较完整的目标区域。
　　运动目标跟踪方面，主要分析了Kalman滤波理论和Mean Shift算法及在其基础上改进的Camshift算法。Camshift算法以目标的颜色直方图为特征，可以有效地解决目标变形和遮挡问题，而Kalman算法能够预测目标在视频序列下一帧中的位置，综合这两种方法的优点，提出了Camshift结合Kalman滤波的目标跟踪算法，该算法保证了存在遮挡和相似物干扰时跟踪的准确性。