运动目标的检测与跟踪是指从包含运动目标的序列图像中，检测、识别和跟踪运动目标。对运动目标进行跟踪，并进一步对运动目标进行分析，可以应用于安全监控、虚拟现实、人机交互等许多领域。同时，运动目标跟踪问题具有较高的学术价值和理论意义，已经成为近年来国际上研究的热点问题之一。 本课题的主要研究内容是通过双目立体视觉技术，对双目立体图像对中的运动目标进行检测与提取，并在图像序列中对运动目标进行跟踪。 对于视觉跟踪系统，其核心主要包括两个部分：一是运动目标提取，二是运动目标的预测与跟踪。运动目标提取是目标跟踪任务中最为关键的部分。如果提取运动目标不正确或者提取不完整，将会极大的影响跟踪部分的操作，甚至不能进行跟踪。本文通过立体匹配技术，有效的克服了阴影对目标检测的影响，充分利用立体视觉技术中的视差图，对实时视差图和背景视差图进行差分，从而精确的对运动目标进行检测和提取。通过与传统的背景差分算法的提取结果进行对比发现，本文采用的方法可以比较精确的提取出运动目标。 在目标跟踪研究方面，本文主要讨论了CamShift(Continuous Adaptive Meanshift)跟踪算法。由于物体的颜色信息是物体的固有特征，利用运动目标的颜色特征对运动目标进行跟踪可以解决目标被遮挡后丢失的问题。而CamShift跟踪算法正是一种基于目标颜色特征的跟踪方法，该方法由于其无参数，运算速度快而被广泛应用。本课题将视差背景差分算法与CamShift跟踪算法相结合，充分利用运动目标检测的结果，提高了目标跟踪时的匹配效率，实现了目标的快速跟踪。通过与传统的基于灰度背景差分方法的结果进行对比发现，本文采用的方法可以比较精确的实现对单个和多个目标以及简单遮挡情况下的跟踪。 最后，本文综合运用目标检测与跟踪理论、图像处理及计算机立体视觉等相关技术，在AS-R能力风暴机器人实验平台上，结合VC++6.0和OpenCV视觉库进行了相关的试验设计。本文分别在单目标、多目标和相互遮挡等情况下进行跟踪试验，给出了相应的试验结果，并与基于灰度背景差分算法的试验结果进行了对比与讨论。实验结果证明，本文采用的方法可以较好的实现跟踪任务，具有较强的鲁棒性和实