随着科技的进步和人们的物质生活越来越丰富，娱乐和健身设施也不断发展和更新。游泳是集娱乐与健身于一体的老少皆宜的运动，但是，这项活动存在着一定的危险性：泳池的特殊环境，加上泳池管理员人数较少或者疏于防范，往往会酿成游泳者溺水身亡或者因抢救不及时而造成的终身残疾等悲剧。本文主要针对游泳池水下监控视频，展开对游泳者进行准确检测与实时跟踪方面的研究，以获得游泳者异常行为方面的相关信息。本文完成的内容和主要贡献如下：　　 (1)对本课题的研究背景及意义做了概述，并对视频监控、运动目标检测与目标跟踪的发展现状进行了阐述；结合实际的水下监控系统，分析了水下视频监控系统中存在的气泡、水波、光斑等问题；　　 (2)对基于混合高斯模型的运动目标检测进行分析讨论，针对其计算量大，在水下环境的目标检测效果不明显等缺点，给出了基于卡尔曼滤波器的目标检测方法，并将其结果与基于混合高斯模型的目标检测算法进行了比较分析。实验结果表明：基于卡尔曼滤波器的运动目标检测方法速度更快，建立背景模型效果更好，为后续的运动目标跟踪奠定了基础。　　 (3)根据目标跟踪实时性需求，提出将均值漂移算法(Mean Shift)和卡尔曼(Kalman)滤波器相结合对运动目标进行跟踪。采用卡尔曼滤波器对运动目标进行预测，然后在此基础上寻找均值漂移算法的最优值。对经典的跟踪算法和改进的均值漂移算法仿真实验结果进行了比对，结果表明：优化的均值漂移算法的目标跟踪运行速度更快，并能克服均值漂移算法只能求局部最优，解决了水下运动目标跟踪受到气泡、水波、光斑等的影响容易跟踪丢失的问题，实现了水下视频监控序列图像的连续稳定的实时跟踪。