目标识别与跟踪是计算机视觉、图像处理与模式识别领域中非常活跃的课题。当前运动目标分割与跟踪的研究已取得一定的成绩,但由于运动目标经常处于室外多样的自然环境中,因而如何从复杂背景中检测和跟踪运动目标,且能满足实时处理的要求,仍是本领域研究的热点。本论文探讨了复杂背景下图像分割中的阈值选取方法、运动目标的分割方法和运动目标的跟踪方法。在对基于最大熵原理、自适应法、迭代法和Otsu法的阈值选取方法研究的基础上,本文提出了一种基于改进Otsu法的阈值选取方法,该方法计算简单,在一定条件下不受图像对比度与亮度变化的影响。为了提高目标分割速度和检测精度,本文得出了一种运动目标区域的半自动分割方法。针对图像序列的背景变化和背景的复杂性,将本阈值选取方法运用于图像序列的目标分割中,提出了一种基于改进Otsu法的自动阈值分割方法,实现了复杂背景下图像序列中运动目标的快速分割。实验表明,这种目标分割方法,减少了图像降噪和图像增强等处理,同时还降低了噪声的影响,且算法简单,具有较好的分割效果和较高的效率。针对复杂背景下运动目标的跟踪问题,本文提出了一种基于形态学的目标特征点跟踪方法。对连续帧的目标跟踪得到很好的跟踪效果,并得出了图像序列中目标的位置和目标上特征点的运动轨迹;但对间隔帧的目标跟踪仍待于进一步研究。