近年来，在当代计算机科学领域中，计算机视觉与图像处理已经成为一个重要的研究方向。而作为该学科的热点课题之一，视频监控中运动目标检测与跟踪技术更是被众多学者做了大量的研究，但是目前仍有一些问题还未解决，比如说检测目标不完整，背景复杂时目标跟踪失败等，所以继续对本课题进行相关的研究仍然具有重要的意义。本文主要对现有的运动目标检测算法与跟踪算法做了深入的研究，同时针对现有算法的不足做了相应的改进和完善。
　　本文针对视频监控中的运动目标检测与跟踪算法的应用背景以及国际国内的研究发展情况作了介绍，并研究了与本课题相关的理论知识，如图像的灰度化、图像的二值化、图像颜色空间转换以及数学形态学处理等，为相关算法的改进提供了理论基础。
　　在运动目标检测方面，首先研究了几种常见的典型运动目标检测算法，通过试验对比分析了它们的优缺点，然后针对传统三帧差分运动目标检测算法检测目标不完整而且容易产生内部“空洞”的缺点对其进行改进，本文改进的算法不再使用固定的阈值对差分图像进行二值化，而是采用局部自适应阈值进行二值化，同时对二值化图像进行轮廓填充，改善了传统三帧差分算法的不足，使得检测出来得目标更加准确，同时填补了目标内部的“空洞”。
　　在运动目标跟踪方面，首先介绍了当前运动目标跟踪算法的分类，然后重点研究了当前领域的热门算法(Camshift算法)，针对传统的Camshift算法当目标颜色与周围背景的颜色之间发生干扰作用时或者视频帧中的背景相对比较复杂多变时，传统Camshift算法会出现跟踪失败的情况，本文结合RANSAC提纯的SURF特征点匹配算法对传统算法进行改进，当判断目标出现丢失时，引入SURF算法对运动目标区域重新进行定位，从而找到丢失的目标，实现持续跟踪。