视频跟踪是计算机视觉研究领域中一个重要的研究方向,它主要是指对视频图像中的运动目标进行检测、分类、识别和跟踪。由于目标跟踪过程中常常伴有目标物形变、遮挡、移入移出、背景环境改变等情况,使得目标跟踪算法的鲁棒性、精确性、实时性及可移植性成为一个极具挑战的研究课题。本论文选择静态场景中目标检测和目标跟踪两方面内容作为主要研究对象,对于常见目标检测算法及目标跟踪算法进行了归类研究,并提出一种改进的基于视频流连续性的目标检测算法,该算法主要有两个创新点：对于背景建模问题,基于像素灰度归类算法,且基于视频流连续性特性,选择性地使用背景像素点在50%时间内可以观测到的前提假设,提出一种快速准确的背景建模方法,较传统灰度归类算法,在保证精度的同时,有效地减小了建模时间；对于运动阴影去除问题,研究目标物色度信息,提出一种改进的基于色度比例差乘积的运动阴影去除方法,在手动选择阈值的基础上,快速有效地去除运动阴影。对于目标跟踪问题,选择颜色信息作为运动目标的有效表达,通过Kalman滤波器预测运动目标下一帧可能存在的位置,结合使用Meanshift算法减小搜索范围,取得了良好的跟踪效果。利用OpenCV计算机视觉库及其视频跟踪框架,嵌入自行设计的前景检测模块,实现了对运动目标的快速有效跟踪。仿真和实验结果证明了所提方法的有效性。