本文主要是在摄像头固定，与背景相对静止的条件下进行的目标检测、提取与跟踪。运动目标检测是指判断监控区域内是否有目标的闯入，检测是否有与背景存在相对运动的物体存在；目标提取则是在检测出目标后，完整地将目标从背景中分割出来；目标跟踪则是记录下目标的运动轨迹，为以后更高层次得目标分类，行为理解提供数据支持。本文从一开始的目标检测，再到目标提取，将提取的目标位置作为mean shift算法跟踪所需的初始搜索窗口，以完成自动跟踪，并通过设定相似性测度相对改变量来适应目标尺寸、形状的改变，在整个过程中，无须人工参与，达到智能检测与跟踪的效果。　　 本文首先介绍了选题背景和研究意义，分析了该领域的研究现状，并将本文的研究内容和章节安排做了简述；在正式详述目标检测、提取之前，先介绍了相关的预备知识，包括数学形态学，阴影的消除，连通域标记等；在运动目标检测和提取方面，研究了目前最常用、最典型的三种方法：对帧差法的具体流程和步骤进行了详细的说明，并采用最大类间方差法来选取分割阈值；在背景减法中，简单介绍了以像素灰度归类算法、Surendra算法和均值方法来构造出背景图像；最后介绍了自适应背景模型法来检测、提取前景区域，详细描述了单高斯模型和高斯混合模型以及模型中参数的更新策略，通过判断像素点颜色值是否满足高斯模型来确定出运动区域。在目标跟踪方面，首先介绍了mean shift算法的基本原理，但是传统的mean-shift算法需要人工标定目标区域，本文改进的mean shift算法将目标检测提取的结果传送到作为目标跟踪时初始数据，以做到无人状况下的目标跟踪。结合目标提取方法，为mean shift算法提供初始的搜索窗口，在跟踪过程中通过增加相似性测度相对改变量来决定是否需要重新获取搜索窗口，以解决目标尺度，形状发生改变时跟踪不准的问题。通过实验证明，改进的算法取得了不错的效果。