智能交通系统(ITS)是现今社会建设蓬勃发展的事业，是交通管理急需改善的领域，也是各个国家学者研究的热点。基于视频的运动目标检测与跟踪算法是智能交通系统的重要组成部分与基础技术。在实际视频的应用中，运动目标的检测与跟踪面临着诸如目标遮挡、形态变换等复杂场景的巨大的挑战。针对上述问题，本文在研究和总结了目前运动目标检测与跟踪算法的基础上，提出了一系列的改进方法，改善了运动目标检测的效果，在运动目标跟踪过程中设计了能够处理目标遮挡、形态变换的跟踪算法，然后针对完全遮挡的情况进提出了一种遮挡时的目标搜索策略，实现了完全遮挡情况下的运动目标跟踪。完成的主要工作如下：(1)运动目标检测算法。为了改善传统混合高斯背景模型检测目标容易出现目标断层的问题，本文设计了一种帧差和混合高斯模型相结合的目标检测算法，使得背景差分时更好地提取目标前景，有效地改善了目标断层的情况。(2)运动目标跟踪算法。本文提出了一种分块Mean-shift的目标跟踪算法，对运动目标进行分块处理，先用Kalman滤波器对目标位置进行预测，各子块分别使用Mean-shift跟踪算法在预测位置进行跟踪，然后跟踪检测器检测目标小块跟踪的有效性，筛选出无效跟踪的目标小块，解决了目标分块造成跟踪性能下降的问题。该算法增加了对目标空间信息的检测，可以有效地克服弥补了Mean-shift算法的局限性，增加了跟踪的鲁棒性。(3)遮挡情况下的跟踪。遮挡问题主要分为部分遮挡和完全遮挡两种情况，部分遮挡的表现形式和目标形态变换一样，都归结为目标部分信息的丢失，因此可以根据本文的分块Mean-shift目标跟踪算法直接进行处理；目标完全遮挡时，采用自适应步长选择的NCC匹配结合前景检测的方法，重新寻找出离遮挡的目标，实现遮挡情况下的跟踪。根据上述算法，本文进行编程实现，在实测视频中仿真实验。实验结果表明，本文算法在目标遮挡、形态变换等的复杂场景下实现了有效地准确地跟踪。