随着科技的发展，视频图像的应用越来越广泛，视频图像中运动目标的分割是所有数字图像处理的重要环节，也是后续高级处理的基础，因此有关运动目标分割的研究就显得十分必要。运动目标跟踪是计算机视觉研究的核心课题，它在机器人视频导航、视频监控、军事等领域具有很重要的意义。　　 本文以视频图像中运动目标的分割和跟踪算法为主要内容，将帧差法结合其它算法，开展了三个方面的研究。首先，针对传统水平集需要不断重新初始化，不能直接应用到视频图像分割中等问题，对基于C-V水平集的分割算法进行改进，得到一种用于动态图像处理的分割算法。该方法根据图像序列中相邻的两帧，利用帧差法进行前期处理，并经过二元休憩和数学形态学的处理得到一个运动目标的模板。以此作为初始水平集，经过C-V水平集的不断演化，并在演化过程中，通过加入能量项来避免不断重新初始化符号距离函数的问题，最终得到精确的运动对像。实验结果表明本算法不仅分割效果较好，避免了常用水平集中需要重复初始化的问题，而且大大提高了演化速度，减少了计算复杂度。其次，基于背景差法和二次帧差法的边缘信息得到了一种改进的运动人体检测与跟踪算法。该算法以改进自适应的背景模型完成背景更新，结合背景差法和二次帧差法进行运动人体检测，再结合边缘信息进行阴影消除，将消除所得结果边缘信息的阴影，最后实现对运动人体进行跟踪。此算法较好地消除阴影，有效的检测出运动人体，并具有抗噪性能强的优点。最后，结合高阶统计量和颜色空间得到了一种改进的视频图像分割算法。该算法首先用基于高阶统计量的分割算法去检测运动目标，然后对检测出的结果结合HSV颜色空间进行阴影消除，最后得到精确的检测目标。实验结果证明该方法能很好的消除阴影，实现对运动目标的准确检测。