随着计算机网络和多媒体技术的蓬勃发展和不断成熟，远程教育E-Learning作为一种新的教育模式在教育中所占的比重正在越来越大。随着每年通过互联网接受教育的人次的暴增，E-Learning俨然正在成为全球性的教育和培训的潮流和趋势。 在E-Learning中，一个重要的概念是“智能教室”，在智能教室中，教师可以方便的使用鼠标、键盘、话筒、激光笔、讲台显示器、触摸屏、大屏幕的墙面投影、电子白板等高科技产品，能够以在传统教室中一样的自然方式同时给现场的学生和远程的学生进行授课并且互动。为了给远程学生提供一个临场感更强的远程教学体验，客观需要系统自动跟踪主讲教师，将高清的教师视频传输到远程学生端。 本文通过对运动人体检测、运动人体跟踪的研究，提出了一种基于自适应背景更新和色彩特征的运动人体检测与跟踪算法；通过对智能教室的特点分析，设计了一个多通道信息融合算法；并在以上算法基础上，实现了一个实时的运动人体检测与跟踪系统。 本文的具体工作如下： 1) 研究并比较了运动人体检测的各种方法的优缺点，提出了基于自适应背景更新的运动人体检测算法。该算法采用混合多高斯背景模型，利用多个高斯分布，随着时间推移不断更新各个高斯分布的参数以及权值，使得背景能够在实时跟踪过程中自适应更新，保证了通过背景减除方法检测出运动人体的准确性。该算法解决了运动人体检测中的动态场景变化问题。 2) 研究并比较了运动人体跟踪的各种方法的优缺点，提出了一种基于色彩特征的运动人体跟踪算法。该算法通过对目标运动人体区域的色彩特征进行统计归一化，以此与之前的历史运动目标进行匹配，同时在色彩匹配的过程中，对运动目标的色彩特征进行了自动更新，实现多目标的识别。 3) 设计了智能教室中的多通道信息融合算法。该算法针对智能教室的特点，利用话筒语音信号，鼠标、键盘、触摸屏、等离子电视等原始鼠标信号以及摄像头拍摄的视频图像三个通道的信息进行主讲人员的位置定位。不仅解决了主讲人员的自动识别问题，还解决了运动人体被讲台遮挡的问题。同时还加强了系统对于运动人体跟踪出错后的快速自动纠错能力。 4) 利用上述算法，实现了一个实时的运动人体检测与跟踪系统，运行稳定可靠。