视频序列中的移动目标跟踪是计算机视觉领域的热点研究课题之一,在军事和民用领域都有广泛的应用,吸引了众多国内外学者的普遍关注。研究者们提出了许多有效的跟踪算法,跟踪的性能也不断得到提高。然而,在实际应用中,仍然存在一些尚未解决或者有待更好地解决的问题,特别是关于目标非线性形变、姿态变化,前景与背景间的遮挡、交错,复杂背景中噪声干扰等各种影响跟踪的问题。因此,视频跟踪算法的鲁棒性、准确性提高仍然是一项充满挑战的工作。此外,跟踪算法的实时性也是需要考虑的内容。论文研究视频移动目标检测和跟踪算法,主要完成以下三个方面的创新性工作：(1)针对目标检测和跟踪过程中背景未知、背景复杂问题,提出一种基于背景动态重建的视频移动目标检测方法。该方法结合目标方向动态重建背景,并在新建立的背景基础上进行目标检测和跟踪,解决了现有方法中前景检测依赖已知背景的问题。并且,对背景进行形态学运算,加强了针对轻微抖动、亮度变化等复杂背景的抗干扰能力,提高了检测和跟踪的准确率和效率。(2)针对视频目标跟踪过程中目标的遮挡问题,提出一种结合目标颜色信息拓扑关系的目标跟踪方法。该方法将目标颜色位置拓扑关系作为新特征与其他特征进行融合实现目标跟踪,解决了传统目标跟踪方法将颜色成分相同而位置不同的其他背景识别为目标的问题；通过对拓扑结构矩阵进行近似同构性的判断,解决由于部分颜色信息被掩盖导致的识别错误问题,为此类特征融合的目标跟踪算法提供了新的思路；通过将多个特征弱分类器组成级联强分类器建立目标判决模型,有效解决目标在运动中经常出现的单一特征缺失导致跟踪无法继续的问题,提高视频中目标跟踪算法的有效性和准确性。(3)针对传统多移动目标跟踪方法计算量大,不能保证计算的实时性问题,提出一种视频实时多移动目标跟踪的分布式方法,并设计合理的分布式调度算法。该分布式方法将前景按照其连通性分解成若干子目标进行跟踪,降低因为被跟踪目标过大、过多导致的时耗,提高多移动目标跟踪的效率,达到实时性标准。综上,论文对视频目标检测和跟踪过程中的背景重建、多特征融合的目标跟踪方法及多目标跟踪的分布式方法等问题进行研究。能够解决目前大多数跟踪都需要依赖已知背景的问题,消除背景复杂、成像设备抖动、亮度变化等情况对跟踪的不利影响；找到一组能够较好的反映移动目标特点的特征,能够有效地避免由于遮挡和其他原因导致的特征损耗和淹没；解决多目标跟踪的计算量过大的问题,取得较好的时效性并实现多移动目标的实时跟踪。