计算机视觉是工程学科研究范畴中非常具有挑战性的一个研究领域,而运动目标的检测与跟踪技术可以说是这个领域中的一个关键技术。而且这项技术在智能交通、医疗诊断和军事工程等领域均得到广泛应用。因此,对这个课题的深入探讨和实践具有极其重要的理论意义和实用价值。本文主要是针对当前运动目标检测与跟踪算法的不足,提出了有效的解决方法。分别在已有的目标检测算法和目标跟踪算法上做了优化和改善,并用实验结果验证了算法的有效性。在目标检测算法方面,对已有的检测算法进行总结,并分析了各算法的优缺点。本文深入研究了基于帧间差分算法的三帧差分算法,并在原有的三帧算法的基础上做了优化改进,目的是避免检测目标出现空洞的现象。为了能够更准确地检测出运行目标,本文的算法是在优化的三帧差分算法的同时还结合了光流法,利用光流法的特性使目标检测的结果更加有效。经过一系列的实验证明,本文提出的检测算法可以准确地检测出目标,也证明了算法的可行性和鲁棒性。在运动目标跟踪算法方面,主要探究了 MeanShift目标跟踪算法的特性与缺陷。根据此算法提出了两个比较重要的问题,并针对这两个问题分别做了改进。一方面,经过对MeanShift算法进行实验分析,发现算法在执行的过程中跟踪窗的大小不会根据目标尺度大小的变化而变化,从而会导致跟踪结果的误差比较大甚至会出现目标丢失的结果。为了解决这个问题,本文提出了一种可以根据跟踪目标信息量来实时调整跟踪窗尺度的算法,可有效地减小跟踪误差。另一方面,实验中若目标的运动速度比较快或者目标被遮挡的比较严重的情况下,跟踪窗会严重偏离目标甚至丢失跟踪目标。针对之一缺点,本文的解决方案是当目标出现遮挡的时候用Kalman滤波器算法进行滤波,对目标位置重新进行预测,从而实现目标模型的实时更新。判断目标是否被遮挡的主要依据是Bhattacharyya系数的变化趋势。对融合后的算法进行实验验证,证明这种算法可以很好地处理目标的遮挡问题,提高了传统均值漂移算法的跟踪精度。