运动目标检测与跟踪作为计算机视觉的重要研究方向,由于其涉及图像处理、人工智能、自动控制、模式识别等多个计算机研究课题,且在军事制导与拦截,视频监控,智能交通,医疗诊断等多个领域有着广泛而重要的应用,成为了一个研究热点。而在各种复杂的环境中,如遮挡、光照变化,形变等,对目标进行精确的跟踪则让这个热点问题成为一个难点问题。一个能够兼顾跟踪的性能与效率,同时保证较强的适应性的跟踪算法成为研究的重难点。基于此问题,本文提出了一种基于四通道不可分小波的目标检测算法与跟踪算法。目标检测阶段,本文构造了适合目标检测的四通道不可分小波滤波器。同时,使用四通道不可分小波滤波器的各向同性特性,对原图像的灰度图进行不可分小波分解,利用得到的三个高频子图进行图像融合,以增强高频图中边缘部分与其它部分的差别,便于阈值分割。对高频融合子图取阈值,以获取图像中目标边缘。利用对边缘图进行形态学处理结果进行图像分割,将目标与背景从图像中分离出来。目标跟踪阶段,本文提出了使用彩色图像的RGB分量中的有效分量的高频子图与低频子图进行特征融合跟踪。每隔若干帧,分别使用三个颜色通道的高频子图与低频子图,进行均值漂移跟踪,根据跟踪结果,计算对应位置的相似度,选取相似度最高的颜色作为接下来若干帧中进行跟踪时使用的唯一颜色分量。跟踪时,对各颜色分量进行不可分小波分解,将低频子图与高频子图进行自适应权值的特征融合,以适应不同的情形。根据跟踪结果的图像分割结果,取目标区域的最小外接矩形作为下一帧的跟踪框大小。根据跟踪结果中高频与低频子图相似度比例,确定融合权值。本文通过实验结果,验证了优化后的算法在面对不同的条件下的适应性,并将其与自适应惯性权重调整的粒子群跟踪算法、使用特征空间选择的均值漂移跟踪算法进行对比。结果表明提出的方法在复杂情况下仍具有实时性与准确性。