运动目标检测与跟踪是计算机视觉、图像处理与模式识别的重要研究课题，其主要目的是获取目标的位置、速度以及运动轨迹特征。它是图像处理的关键底层技术，不是一个单独的研究模块，它的处理结果直接影响着后续的处理与分析，进而影响高层次任务的开展。对于目标的检测与跟踪的研究，国内外学者均提出了自己独特的见解，但是针对带有伪装色的移动目标的检测与跟踪尚未开展系统的工作，尤其是伪装色目标的跟踪工作，伪装色目标与背景特征过于相似的特性，导致传统的目标检测与跟踪算法不能简单适用于解决这类目标，因此本文在针对伪装色移动目标开展了基础的工作。本文重点分析了伪装色移动目标的特征，而后分析出目标与背景差异最大的特征——运动特征，而后围绕运动特征的差异性开展了其检测与跟踪工作。在伪装色移动目标检测模块中，提出一种综合运动特征与拓扑特征的综合检测方法，首先采取金字塔光流算法计算出视频序列的光流场，根据运动目标短时期内运动的稳定性采取K-means完成对光流场的初始分割。为了弥补光流场不能得到稳定、完整的运动对象，本文融入了目标区域的拓扑结构共同确定目标的位置。实验结果证明，此算法可以较好的检测出相对于变化背景有明显平动且较为显著的伪装色移动目标。本文在伪装色移动目标检测完成的基础上，提出了两套跟踪伪装色目标的方法。第一，提出一种二分匹配的思想，首先利用金字塔光流算法计算出目标运动主方向以及速度大小范围，同时计算出目标的Hog特征，其次让目标在运动主方向上速度大小范围内进行二分匹配，大大降低了匹配的次数，提高了跟踪的效率，实验结果证明，此算法对于平缓变化的视频序列中，边缘纹理较为丰富或者颜色色调值跨度较大的伪装色移动目标具有良好的跟踪效果。第二，依据Kalman跟踪算法的预测功能，设置系统的参数信息，对伪装色移动目标也实现了一个简单的跟踪。针对伪装色移动目标的检测与跟踪工作，本文只做了基础的研究工作，针对变化剧烈的背景下伪装色移动目标的检测与跟踪还需要更进一步的研究，力争找到一个鲁棒性强、适用性广的算法。