运动目标的检测与跟踪一直是计算机视觉领域的重要研究课题，众多研究者对此进行了深入的研究，取得了丰富的理论与技术研究成果。同时，随着其广泛应用于军事、民用的各个领域，人们对运动目标分析，尤其是复杂情况下运动目标检测与跟踪的实时性、准确性及鲁棒性提出了更高的要求，传统理论逐渐显示出不足，基于生物视觉的仿生视觉是一种潜在的解决方案。因此，本文主要通过分析蛙眼视觉特性，对运动目标的检测与跟踪做了一系列研究。首先，介绍了目前运动目标检测与跟踪技术的发展现状，分析传统理论在解决相关问题中存在的不足与难点，提出借鉴具有运动视觉特长的蛙眼视觉特性与认知机理，探索针对运动目标检测与跟踪的认知计算新方法的思想。并阐述了蛙眼视觉认知特性及神经机理，为相关视觉仿生提供基础。接下来，本文分析青蛙可以快速、准确的检测运动目标的原理，借鉴其相关特性，模拟蛙眼视网膜中两种神经节细胞的检测作用，依据实际情况下的运动目标检测实时性需求，结合视频图像的处理算法，设计了一种运动目标的检测算法，该算法多角度多层次的融合运动特征和边缘特征，并采用了一种双阈值融合方法，最终精确的检测出目标的运动边缘。在算法设计的过程中一方面基于蛙眼视觉特征；另一方面合理利用了各种视频图像处理方法的优点。最后，针对运动目标跟踪过程中目标的尺度变化的情况，基于蛙眼对运动目标的敏感特性及跟踪框与目标尺度间的相关理论，提出了一种改进Mean-shift运动目标的跟踪算法。算法主要分为两大部分：一是融合运动特征和颜色特征构建运动-颜色直方图描述目标；二是基于Mean-shift计算结果同时利用运动特征，根据目标尺度变化自适应的调整跟踪窗的大小，及更新特征模板。仿真实验结果表明，该方法可以有效的定位尺度变化的运动目标。