运动目标检测与跟踪是计算机视觉的核心课题之一，它融合了图像处理、模式识别、人工智能、自动控制等相关领域的研究成果，在视频监控、视频编码、视频检索、医学图像分析、智能交通、气象分析等许多领域有着广泛的应用，因此本课题具有重要的理论意义和广阔的实用价值。 本文主要针对视频序列中的运动目标检测与跟踪算法进行研究，首先讨论了静态场景下常用的运动目标检测算法，然后重点研究了基于均值漂移和粒了滤波的目标跟踪算法，并针对其存在的问题做出了有效地改进，提高了目标跟踪的稳定性和鲁棒性。主要工作可概括如下： 运动目标检测方面，将高斯混合模犁与背景图像的相关性运算相结合，实现模型学习速率自适应更新，大大提高了背景模型的适应性和鲁棒性。目标跟踪算法方面，首先将传统的基于均值漂移(Mean Shift)跟踪算法与。Kalman滤波结合起来，利用Kalman滤波来预测目标的运动方向和速度，较好地解决了遮挡情况下的目标跟踪问题；最后引入方向可调滤波器(Steerable Filter)来描述目标的多尺度多相位纹理特征，并在粒子滤波理论框架下，提出了一种基于颜色特征和纹理特征融合的视频对象跟踪算法，较采用单一颜色特征的粒子滤波跟踪算法在可靠性、准确性方面有一定的提高。