随着计算机硬件和软件技术的发展,计算机视觉技术受到了人们越来越多的关注,视频运动目标跟踪作为计算机视觉的重要研究项目之一,在军事、航空航天、计算机辅助设计、智能机器人等领域得到了广泛的应用。运动目标检测与跟踪算法的设计直接影响到运动目标跟踪效果的稳定性和准确性,本文对运动目标区域的提取、目标检测和跟踪等进行了深入研究。首先,将运动目标从图像序列中准确地检测出来,决定了运动估计、目标识别及行为理解等后续处理的准确性。为了实现运动目标的有效检测,很多学者进行了相关的研究,并提出了大量的运动目标检测算法。本文首先对目前流行的时间差分法、背景建模法、光流场法进行了分析和比较,指出其优缺点及适用范围；在这一基础上,采用光流法结合基于小波变换的像素级图像融合算法,研究了一种动态目标分割方法；并通过实验证明了该算法的稳定性和实时性。在运动目标跟踪方面,对常用的视频运动目标跟踪方法进行了分析比较,主要讨论了CamShift (Continuous Adaptive MeanShift)算法。在运动目标跟踪时,目标的颜色特征不会随其在空间上的移动而发生类似形状特征那样明显的变化,如旋转或缩放等,CamShift跟踪算法是一种基于目标颜色信息的跟踪方法,由于其无参数,运算速度快而得到广泛的应用。本文通过在CamShift算法的目标搜索过程中加入光流跟踪模板,对两种算法进行结合。一方面光流法跟踪是基于目标的运动特征,通过结合CamShift算法基于颜色跟踪的特性,能够解决因外部照明发生变化和光流特征点被遮挡时,光流法跟踪失效的问题；另一方面采用光流法可以减少目标运动与背景间的相关性,弥补了CamShift算法在复杂背景中,特别是背景中存与目标颜色相同的区域时,导致目标跟踪失败的缺点,从而实现复杂背景下运动目标的准确跟踪。最后通过实验结果验证了本文提出方法的有效性和实时性。