视频图像处理技术广泛应用于工业、医疗、安全、管理等领域。运动目标的检测和跟踪是图像处理技术在视频序列图像处理方面的一个重要应用,在航天、交通、机器人视觉、视频监控、公共场所客流数据监测等场合发挥着重要作用。本文在对运动目标检测和跟踪算法研究的基础上,针对算法存在的问题,给出一些解决问题的改进方法,并通过实验验证方法的有效性和稳定性。运动目标检测目的是将当前帧图像中运动目标像素点检测出来,常用算法有背景减法、光流法、帧间差分法。帧间差分法利用当前帧与其相邻连续多帧图像之间运动目标出现区域灰度值差异性来检测目标像素点。传统二帧差分检测结果目标区域被拉长、变形,内部产生大面积空洞；三帧差分检测运动目标可能出现轮廓不清晰的情况。针对这些检测方法出现的问题,提出一种改进的奇数多帧差分法,能得到相对准确的运动目标形状,检测出更多目标轮廓像素点,并且使空洞问题得到一定程度的改善。用检测算法对连续帧图像像素点灰度值进行运算,通过设定适当的阀值,将运算结果转化为二值图像,再经过图像形态学处理,就得到运动目标的检测结果。准确的运动目标检测结果是后续目标跟踪处理过程中准确提取目标特征的前提。运动目标跟踪是对在当前帧图像中的运动目标的位置进行预测估计或匹配识别。跟踪算法是建立在对运动目标特征提取的基础之上,目标特征信息包括位置、形状、颜色等。常用的跟踪算法有卡尔曼滤波跟踪,均值偏移跟踪等。根据运动目标检测结果求出目标质心位置,并以此作为观测值,再根据图像场景特点,构造卡尔曼滤波系统的状态方程和观测方程,将状态预测值作为卡尔曼滤波跟踪结果。对运动目标搜索区域在HSV空间色调分量建立统计直方图,与目标模板进行匹配,以Bhattacharyya系数最大化为条件,将最佳匹配位置作为均值偏移法的跟踪结果。卡尔曼滤波跟踪只利用了目标位置特征,光照和目标运动快慢对均值偏移跟踪结果有影响,在分析各种算法优缺点基础上,提出一种改进的运动目标跟踪方法,对卡尔曼滤波跟踪和均值偏移跟踪的结果进行加权求和,并对均值偏移算法中目标区域的匹配模板不断进行更新,跟踪方法利用了运动目标的两种特征,使跟踪过程能通过调整加权系数来适应各种客观条件。