近年来,在当代计算机科学领域中,计算机视觉与图像处理已经成为一个重要的研究方向。而作为该学科的热点课题之一,视频序列中运动目标检测与跟踪更是被众多学者做了大量的研究,但是仍有一些问题还未解决。所以继续对本课题进行相关的研究仍然有重要的意义。本文主要对视频序列中运动目标的检测算法与跟踪算法做了深入的研究,同时对该领域的常见算法针对其不足做了相应的改进和完善。首先,文中针对视频帧图像序列的运动目标检测与跟踪算法的应用背景以及国际国内的研究发展情况作了介绍,并研究了与本课题相关的理论知识,如灰度变换、二值图像、边缘检测以及数学形态处理等,然后介绍了几种常用的传统运动目标检测算法,为相关算法的改进提供理论基础。在运动目标检测方面,根据适用范围的不同,提出了两种改进的运动目标检测算法。首先,针对传统三帧差分算法对噪声敏感而且容易产生内部“空洞”的缺点,提出一种结合了 LK光流匹配的分级阈值三帧差分算法,将传统三帧差分算法的阈值分割转换成阈值分割与区域分割相结合的模式,同时利用前面光流匹配计算得到的角点来完善目标轮廓,达到了良好的检测效果。然后,针对ViBe算法——一种近几年被提出的背景建模方法,由于其容易形成“拖影”而且对光照敏感,本文中利用边缘检测与三帧差分等部分构成一个检测模块,使之可以自适应地校正错误的检测前景。改善了原始算法的不足,从而检测出正确的前景目标。在运动目标跟踪方面,当前来说,在跟踪领域Camshift算法比较常见,但是当目标颜色与周围背景的颜色之间发生干扰作用时或者视频帧中的背景相对比较复杂多变时,传统Camshift算法很可能会失去效果。本文中提出一种基于ORB特征点匹配的Camshift改进算法,当发生可能目标丢失的情况时,引入ORB算法对运动目标进行匹配,从而找到丢失的目标,实现持续跟踪。