序列图像运动目标的运动分析是计算机视觉技术的一个重要组成部分。运动分析包括目标的捕获、目标的识别、目标的跟踪、目标的理解等内容。其中，捕获、分割、跟踪是进行运动分析的前提条件。一个良好的分割、跟踪效果是正确进行目标理解的保证。　　 由运动物体所形成的图像序列可以分为两种情况：一种是静止背景，一种是运动背景。本文主要研究静止背景下的人体运动目标的检测与跟踪算法。　　 在人体运动目标检测中，采用传统图像分割算法与主动轮廓模型相结合的方法。首先使用帧间差分梯度法进行运动目标的区域检测，确定感兴趣(ROI)区域后，求取图像的质心，选择规则椭圆作为初始轮廓。文中采用的主动轮廓模型是一种改进的GVF模型，由于经过前期的处理，模型已具备合理的初始轮廓和模型参数，可充分发挥其收敛准确、抗噪声能力较强的特点，获得较好的目标轮廓形状曲线。在目标初始定位阶段这种方法可以克服大多算法需人为干预的缺点，实现人体运动目标自动分割，而且使目标的定位和分割更加准确可靠。获得的目标轮廓曲线是后续目标跟踪阶段所使用的GVF模型的初始轮廓，因此准确的分割初始形状是后续目标跟踪的重要保障。采用改进的贪婪算法求解模型，并利用该方法进行了实验，实验结果表明所使用的方法能有效的检测出运动物体，而且能够消除阴影。　　 在人体运动目标跟踪过程中，由于目标的运动，使目标在不同帧中的位置发生变化，使用主动轮廓模型主要问题是各帧初始位置的确定问题，也即运动位置的估计问题。文中采用Kalman滤波器预测运动目标的质心，结合GVF模型得到精确的目标轮廓。对人体运动序列图像进行了跟踪实验，结果表明了跟踪算法的有效性。