智能化的多运动目标检测与跟踪系统可以大量减少工作人员,提高工作效率,极大的提高监控系统的性能,是计算机视觉领域非常活跃的一个研究方向。目前在安防、军事、医疗领域具有非常广阔的应用前景。目前许多算法在实际应用中存在问题,本文在前人研究的基础上,重点研究了如何提高检测与跟踪算法的自适应性和实时性,降低外部干扰的影响。首先对传统的运动目标检测方法进行了改进,提出了基于自适应背景模型的运动目标检测算法,有效的解决了帧间差分法检测目标产生空洞的问题,也避免了背景差分法在背景环境发生变化时发生误检的情况,能够实现多目标的检测和分离。针对多目标的跟踪,研究了特征角点匹配和Mean Shift(均值偏移理论)算法两种方法,并对两种方法进行了比较。在基于特征角点匹配的目标跟踪方法的研究中,针对Susan角点检测算法耗时过长的问题采用了与边缘检测相结合的方法提高了算法的实时性。对特征角点采用MCD(最多邻近点距离法)相关跟踪算法进行了匹配跟踪。为了取得更稳定的跟踪效果和更高的实时性,对Mean Shift跟踪算法进行了研究。结合改进的卡尔曼预测算法解决了目标被遮挡、相似物干扰等问题;针对目标运动过程中大小发生变化的问题,提出了一种自适应调整核窗宽的方法;研究了多目标跟踪中运动目标轨迹交叉的问题。最后,基于上述研究利用软件编程对改进的多运动目标检测和跟踪算法进行了实验,实验证明算法具有较高的准确性、实时性和抗干扰能力。