近几十年来，随着计算机技术的突飞猛进，计算速度的大幅提升，雷达、红外和视频等领域的目标跟踪技术已突破了大部分限制并得到了不断的发展和完善。视频目标跟踪技术一直是计算机视觉领域中重点研究的课题之一，已经广泛应用于车辆监控、人机交互、国家安防和军事制导等领域，具有广阔的发展前景和巨大的经济价值。视频目标跟踪问题一般可以分为单目标跟踪问题和多目标跟踪问题。与单目标跟踪问题相比多目标跟踪面临的情况更复杂包括目标之间的遮挡、合并和分离等情形。　　本文主要介绍了视频目标检测和目标跟踪的主要算法，在背景静止和单摄像机的条件下对视频目标检测和目标跟踪算法进行了大量的研究和仿真实验。首先，介绍了几种常用的目标检测方法：帧间差分法、光流法、背景差分法和混合高斯背景建模法，针对检测中阴影的影响提出了阴影去除算法，并对以上四种检测算法进行了仿真实验和性能分析，其中重点研究了混合高斯背景建模法并对其进行阴影去除，极大地提高了其检测精度。然后，介绍了目标跟踪中几种常用的滤波算法：贝叶斯滤波、卡尔曼滤波、扩展卡尔曼滤波和粒子滤波。其中粒子滤波算法对非线性非高斯环境具有较强的适应性，近几年来得到了国内外广大专家学者的关注和深入研究，并通过仿真实验证明了粒子滤波算法在非线性非高斯环境下的有效性。接着，设计了一种基于颜色特征的粒子滤波算法，并通过仿真实验验证了算法在目标之间发生遮挡、合并和分离等情形时的有效性。最后，为了进一步提高算法的鲁棒性，借鉴了SIFT描述算子中梯度方向直方图的构造过程，构造了一种简化的梯度方向直方图并提取出目标的梯度方向特征。通过判断目标的状态采取不同的融合策略对与颜色特征和梯度方向特征进行自适应融合，从而设计出了一种自适应特征融合的多目标跟踪算法，使跟踪效果更加准确。