随着计算机和图像技术的快速发展,计算机视觉技术在各个领域中受到了极大的关注。视频目标检测和跟踪是当前计算机视觉领域的重要问题之一,在视频监控,医疗诊断,图像压缩,人机交互等很多领域有广泛的应用。本文在对运动目标检测和跟踪算法研究的基础上,针对算法存在的问题,提出一些解决的改进方法。在目标检测方面,从算法的概念、原理、实现流程及关键技术等角度出发,对光流法、帧间差分法、背景减除法等目前常见的运动目标检测算法进行详细分析。通过实验进行验证比较,并分析总结了各算法的优缺点。将高斯混合模型与背景图像相关性运算相结合,实现模型学习速率自适应更新,提高了背景模型的适应性和鲁棒性。在目标跟踪方面,重点改进了复杂场景中运动目标跟踪算法存在的问题,首先对Mean Shift目标跟踪算法进行了深入分析。针对该算法存在当运动目标尺寸发生变化时因跟踪框固定而导致跟踪误差甚至跟踪目标的丢失等缺点,利用对运动目标的带宽的调整,提出了一种基于图像信息量的自适应尺度变化的均值漂移改进算法。该算法在目标运动过程中可以实时的跟踪目标的尺寸产生变化而调整跟踪框,可以准确的锁定运动目标,减少跟踪误差。其次为了解决复杂场景中目标运动的遮挡问题,研究了基于Kalman滤波器的运动目标预测问题。针对经典Mean Shift算法在对目标被遮挡时进行跟踪过程中缺乏模板更新机制,设计了一种融合Mean Shift和Kalman滤波器的抗遮挡运动目标跟踪算法,在该算法中利用Bhattacharyya系数值的变化来判断遮挡情况的发生和遮挡情况的结束。改进后的算法由于加入了目标模板更新机制,所以能够更准确的描述目标特征,提高了算法的精度和效率。最后,本文所提出的视频运动目标检测与跟踪算法在Opencv和Matlab软件平台上编程实现,对程序实验结果进行分析。同时对自己本文的工作做出总结,指出存在的问题和进一步的研究思路。