运动目标检测与跟踪是计算机视觉研究的主要问题之一，融合了图像处理、模式识别、自动控制、人工智能以及计算机等许多领域的先进技术，在军事制导、智能监控、医疗诊断、交通监测和机器人领域等方面都有着广泛的应用，因此本课题的研究具有重要的理论意义和实用价值。本课题围绕运动目标跟踪中图像预处理、目标检测、目标跟踪等关键技术开展研究，主要完成了如下工作：首先，对国内外运动目标跟踪技术的研究现状、研究方法等进行了归纳和总结，分析了各方法的优点和不足之处，为本文的研究工作奠定了重要的基础。其次，介绍了均值滤波、中值滤波、数学形态学和连通性检测的基本原理，通过实验对比分析了各方法的特点。再次，阐述了直方图分割和最大类间方差阈值分割两种图像分割方法，详细研究了帧间差分法、背景差分法和光流法三种运动目标检测方法。实现了采用混合高斯模型背景更新算法进行背景估计的目标检测方法，实验结果表明检测到的目标比较完整。最后，详细分析了Mean Shift算法和Kalman滤波原理，在Mean Shift跟踪算法的基础上引入了Kalman滤波器用于预测目标的运动信息，实现了对尺寸变化的运动目标的跟踪；研究了基于团块建模和改进的Mean Shift算法相结合对多运动目标的实时跟踪，通过实验表明了该方法具有一定的有效性和稳定性。