近年来,计算机视觉研究蓬勃发展,在视频监控、无人驾驶、虚拟现实等领域带给人们新的体验。图像分割、目标检测和跟踪是计算机视觉领域内的重要任务,是一系列高级任务的基石。本文将复杂网络社团检测方法应用于图像分割、运动目标检测和多目标跟踪,具体工作内容如下:（1）提出了一种基于图像轮廓信息的网络构建和图像预分割算法。首先利用MS算法检测图像中的轮廓,将轮廓划分的区域作为网络中的节点,区域间的颜色相似性作为相应节点连边的权值,构建了图像的加权区域邻接网络;然后结合社团检测算法构建了图像的预分割算法。实验表明,本文的图像网络结构优于基于像素和超像素的图像网络,本文的图像预分割算法相比其他算法也有优势。（2）提出了一种基于图像预分割和背景建模的运动目标检测算法。将首帧视频利用本文算法进行预分割,并将分割结果应用到后续视频帧,通过计算连续帧间不同分割区域颜色的绝对差和,建立背景模型;根据区域的熵值更新背景模型,与当前帧做背景差分,得到差分图像,对其再次用本文方法做预分割,分析差分图像不同区域的亮度平均值,得到自适应的前景阈值,从而检测出运动目标。实验结果表明,本文算法的检测结果令人满意,并且在前景目标短暂停止时的检测结果优于其他算法。（3）提出了一种基于目标检测的视频帧间网络构建和多目标跟踪算法。首先将视频各帧的目标作为网络节点;然后综合目标的外观特征、HOG特征和位置特征计算相邻两帧中目标的相似性,为对应节点的边赋予权值;最后分组检测视频帧间网络的社团结构,得到该组视频中目标的轨迹片段,合并轨迹片段得到目标的最终轨迹。实验结果表明了本文算法跟踪目标的有效性,同时在MOT17数据集上的测试结果也表明,本文算法有着较高的跟踪准确度,并且对无严重遮挡的检测目标能够稳定跟踪。