计算机视觉与图像处理是当今计算机科学领域的一个热门研究方向之一,在交通视频监控、航空航天、机器人视觉、医学图像分析等领域有着很重要的应用,现如今相关领域的很多研究者都认为该学科具有很好的研究潜力,未来市场很广。对运动目标准确地检测与定位·追踪是研究计算机视觉最基本相关的两个过程。实现目标的检测与定位追踪需首先要能精确的检测出目标和对前景的恢复构建,然后才能达到追踪稳定、有序。基于关键技术环节的分析研究,本文分为以下三个部分进行系统的研究：一、对于移动物体检测的研究,主要对比实现了最基本的两种移动目标检测算法：帧间差分法和背景减除法,分别从相应的算法理论、算法操作以及算法验证仿真三个部分做了细致讨论,并讨论研究了每种算法的优劣之处。二、对于移动物体定位追踪的研究,对最理论基础的Mean Shift物体定位方法进行了研究仿真。具体研究了Mean Shift原理及其改进之处,Mean Shift应用中彩色模型的选择以及运用Mean Shift目标定位方法的实现过程,并运用测试实验讨论了Mean Shift方法在目标处于不同是状况情景下的定位结果分析。测试结果可知基本Mean Shift定位方法在目标运动速度不快时,可以准确定位追踪。然而,目标快速移动或处于被干扰物体挡住时,此算法使用便无法实现目标。三、解决对目标移动快以及目标处于被干扰状况下定位失效的问题,论文找到了一种新的结合两种定位算法的改进算法,这两种算法是Mean Shift物体追踪与Kalman滤波器定位方法。论文主要通过下述三个步骤进行逐步的研究：1、分析讲述了如何对Kalman滤波器构造模型,进而把它的预测特性引入目标定位里,便完成了两种方法的联合。2、为解决目标处于被干扰状况的无法定位难题,论文找出了利用巴式因子测试干扰及相关预测的办法；3、经过多次验证测试,给出了新算法在这两问题里的解决效果。在比较讨论了新算法与基本算法之后,可以证明新结合算法可以实现在以上两种情境下仍能稳定有效的定位,与原来的基本Mean Shift定位方法对照,论文提出算法有很好改善。论文解决了目标移动速度很快时的传统定位算法无法达到的困境,实现了以种新的与Kalman滤波器联合的新算法,可以实现快速移动下也能很好的定位目标。同时,对另一个目标受到干扰的问题,实现了对此情况传下甄别干扰及相应应对的办法,能够改善目标受干扰下的定位效果。