运动目标检测作为视频监控系统、智能交通系统中的重要组成部分,尤其是复杂背景下运动目标的检测,已经成为现阶段一个重要的研究。如何提高运动目标检测与跟踪的准确性和高效性,是目前的研究热点和难点问题,其处理结果的优劣直接影响到对于高层视频的理解。本文从运动目标检测中各种复杂场景出发,深入分析了各种复杂场景对于运动目标检测的影响,同时针对经典算法中存在的不足,进行了改进与提高,提出了基于改进型混合高斯模型的运动目标检测与跟踪算法,主要工作如下所示：首先比较了运动目标检测算法以及目前常用的背景建模方法,在此基础上提出了基于混合高斯模型的运动目标检测,着重分析了复杂背景下运动目标的检测与提取。接下来在此基础上提出了改进型混合高斯模型,引入背景判定参数,同时对于前景的噪声提出了基于八邻域区域改进算法,以上改进能够很好的解决树叶晃动、光照变化等复杂背景造成的干扰,对于运动目标在视频图像中静止而被误判为背景出现“空洞”有着很好的解决办法。随后分析了几种常用的运动目标跟踪算法,包括基于特征点的跟踪、基于区域相关的跟踪、基于光流的跟踪、基于均值漂流的跟踪。经分析综合,分别采用Meanshift算法和基于Kalman滤波算法来实现运动目标的跟踪算法,通过预测运动目标在下一帧中出现的位置,来缩小搜索范围,通过与目标匹配来寻找运动目标,从而检测出运动目标的跟踪轨迹。同时对于本文对于如何消除阴影,提出了一种基于亮度信息的阴影消除方法,对一定条件阴影消除有着明显效果。论文的最后实现了一个运动目标检测跟踪的系统,实验结果证明了各模块的有效性,系统能够很好的解决光照变化、背景出现抖动干扰情况下运动目标的检测与识别,准确率能够达到93%以上。