近年来,随着计算机技术的发展、图像处理技术的提高,视频监控越来越广泛地渗透到教育、政府、娱乐、医疗、运动、安全防卫等领域。视频监控的首要问题是运动目标检测,即从视频图像序列中提取出运动目标,运动目标检测结果直接影响目标分类、跟踪等处理的效果。因此研究运动目标检测技术具有非常重要的意思。在运动目标检测过程中受实时场景中很多因素的影响,比如摄像头噪声干扰、光线变化、运动的物体突然长时间的停留等,检测结果经常出现偏差。本文针对目标检测与跟踪算法中所存在的主要问题进行了研究,并对相应的问题给出了解决方案。本文的主要研究工作如下：在图像预处理方面,视频图像在采集、传输和记录过程中受到各种噪声的干扰,为了减少噪声对后续操作的影响,必须对其读入图像进行预处理,滤除噪声的干扰。传统滤波方法只对某一种的噪声滤除效果较佳,但对混合噪声滤除效果不理想。因此,本文提出了自适应加权均值滤波算法。实验仿真表明,该方法运算简单,滤除混合噪声的效果好、同时保留了图像边缘细节。在运动目标检测算法方面,本文对当前常用目标检测算法进行了实验仿真,并通过实验结果总结了各自算法的优势和劣势；针对对称差分法无法完整地提取出运动目标的轮廓,目标内部信息也丢失的比较严重,本文对其算法进行改进,提出了结合快速边缘检测的对称差分运动目标检测算法；当场景中出现光照突变、运动物体长时间的停留时,背景模型更新慢、结果也不理想。本文通过改进surendra背景模型更新算法,很好地解决了上述背景更新效果不佳的情况。综合比较,为了得到更精确,更完整的运动目标,本文采用上述两种改进算法相结合的运动目标算法。仿真实验表明,该算法准确、快速地检测出较完整的运动目标,为后续目标跟踪提供了准确可靠的目标信息。