在计算机视觉与模式识别等重要领域,运动目标的检测与跟踪技术已经成为现阶段研究的核心课题。在工程实践中都有很多的实际应用,例如:人脸检测、人机交互、智能视频监控等科技前沿领域。虽然现阶段在运动目标检测与跟踪方面的成果斐然,但目前很多运动目标检测与跟踪系统核心算法的鲁棒性在实际工程中难以满足需求。因此,要研究出符合工程实践的稳定系统还需要设计更稳定、鲁棒性更好的核心算法。本文在研究运动目标检测和跟踪方法的基础上,对运动目标的检测与跟踪技术做了深入研究和部分改进,并完成了以下主要工作内容:对于运动目标检测和跟踪算法在实际场景中的应用,本文经过对LBP的二进制位串的0/1转换情况进行了统计,改进了LBP(Local Binary Pattern)算子,并且在很大程度上除去了情况变化很小的模式,以方便后续工作中利用LBP纹理信息提高对运动目标进行特征匹配地速度。在运动目标检测技术方面,针对运动目标阴影对检测结果的干扰问题,本文提出了一种更能抵抗阴影的检测方法,该方法基于LBP纹理和色度信息特征来对运动目标进行检测。由于LBP纹理和色度信息对图像的阴影特性都不敏感,所以本论文利用LBP纹理和色度信息来描述背景,并在高斯模型中作为特征对背景进行描述。该方法可以更好地抵抗阴影和背景照明变化的影响。在运动目标跟踪技术方面,针对运动目标和背景颜色接近而导致跟踪失败的问题,本文在Camshift跟踪算法的基础上提出了一种联合LBP纹理和色度信息特征对运动目标进行跟踪方法。传统的Camshift算法受环境影响较大,例如运动目标和场景颜色接近、阴影区域较大或者背景物体和被跟踪目标颜色相差不大时,这都会在一定程度上影响跟踪的正确性。本文利用LBP纹理和色度信息对图像阴影不敏感的特点,将两种特性结合起来描述运动目标,能很有效地减少阴影对跟踪结果的影响。