基于计算机视觉的运动目标检测与跟踪,广泛应用于视频监控、人机交互、靶场判读等领域,是当前计算机视觉领域的研究热点之一。在工程场景中,二者密不可分,需要协同完成具体任务。目前相关研究进展迅速,但是其时效性、准确性、自动化程度仍然有提高的空间。针对运动目标检测问题,本文提出了一种光流辅助的运动目标检测网络。通过训练光流深度网络,计算部分帧间光流,并选择自适应阈值将运动目标分割出来,从而生成用于背景减除网络的样本,最后用生成的样本训练小型背景减除网络。该方法在检测时只需要运行背景减除网络,避免了光流计算的时间消耗,解决了现有的基于背景减除的运动目标检测网络对人工标注的依赖,提高了运动目标检测的自动化程度。针对运动目标跟踪问题,本文提出了基于支持向量回归的跟踪器和对应的在线求解方法,证明了支持向量回归方法的优势。此外,本文提出了一种融合结构支持向量机和相关滤波的跟踪方法,通过设计两类跟踪器串联型的融合结构和交替式更新策略,将结构支持向量机对遮挡目标的重检测优势和相关滤波的尺度估计优势结合起来,提高了目标检测的鲁棒性和精确性。