本文研究的是户外场景自然光条件下的实时视频分析技术，包括静态场景下的运动目标检测算法和目标跟踪算法。　　 首先简单介绍了运动目标检测常用的三类方法：光流法、时域差分法和背景减除法的基本原理，重点研究了目前最流行的背景减除法。在比较了滑动平均、中值、混合高斯背景建模方法的实时性和检测效果的基础之上，选择基于时域中值滤波的W4背景建模方法作为本文的研究对象。　　 针对原始W4算法需要缓存图像以及计算模型参数的运算量累积在模型更新时刻的缺点，提出利用更新周期前一半数据的均值和方差过滤后面的数据，同时训练新的模型参数。改进后的更新算法可以自适应的处理数据。此外，还介绍了一些快速算法，用它们计算标准差、中值和相关系数，大大降低了算法的计算开销。改进后的W4算法可以实时地、连续地检测场景中的运动目标。　　 由于原始的W4算法没有介绍阴影检测的步骤，本文还给了一种适合灰度图像阴影检测的算法，利用当前图像与背景图像的归一化相关系数去除检测结果中的阴影。　　 目标跟踪方面，阐述了跟踪算法研究的三个核心问题：哪种目标描述方式适合跟踪?应该使用哪些图像特征?以及如何对目标的运动、外表、形状进行建模?介绍了现有各类跟踪算法的特点及它们的应用场合。　　 针对单目标随动跟踪问题，详细介绍了模板匹配跟踪算法和Mean Shift跟踪算法。讨论了目标模型的更新问题以及遮挡情况下的连续跟踪问题。针对固定场景的多目标跟踪问题，介绍了一种简单的基于运动目标检测的区域对应算法，实现了监控场景中运动目标的自动检测与跟踪。