运动目标跟踪技术是计算机视觉中一个重要的研究内容,目前有众多的科研机构、高校以及企业对这方面进行了大量的研究,这一技术在军事无人机、医疗手术、视频监控以及智慧交通等领域有广泛的应用,虽然现在计算机性能有了很大的提升,各种优秀的算法被不断提出,运动目标跟踪的实时性、准确性和可靠性有了很大的提高,但复杂多变的外在因素会干扰运动目标跟踪的准确性,目前没有一种算法能满足所有场景。针对现有算法存在的缺点和不足,本文基于Open CV开源视觉库,对运动目标追踪中常用算法进行了以下研究。（1）图像预处理算法方面的研究。对图像预处理中图像灰度化、二值化和去噪进行了分析和实验、颜色空间转换中进行了RGB颜色空间模型和HSV颜色空间模型分析,图像形态学处理中对膨胀与腐蚀和开运算与闭运算等方法进行分析和实验,比较各种方法的优缺点和特性。（2）运动目标检测方面的研究。首先对传统算法进行理论分析然后进行算法实现,在多个场景下实验,以实时性、准确性和检测效果为依据,总结各算法在不同场景的优缺点。在针对传统运动目标检测算法不足的基础上提出了改进算法,改进算法是将帧差法和混合高斯建模（GMM）算法相融合的算法,改进算法在简单场景、快速场景、多目标场景和运动目标与背景灰度接近场景下分别进行实验。实验结果证明本文改进算法不仅消除了鬼影而且提高了准确率和召回率。（3）运动目标跟踪方面的研究。对常用的运动目标跟踪技术按照其追踪特性进行分类,首先分析了传统的Meanshift算法,针对Meanshift算法的不足,研究了Measnhift算法的自适应改进算法Camshift算法,Camshift算法在光照变化场景和遮挡场景会导致跟踪失败,常见的Camshift+Kalman融合算法有效的解决了遮挡问题,但光照变化场景下仍然会发生跟踪漂移,本文提出了ORB-LBP特征匹配和Camshift+Kalman融合算法,改进算法能修正跟踪漂移,实现有效的跟踪。在有遮挡和光照变换的两个场景下进行实验,三种评价指标下,本文算法更具准确性和鲁棒性。（4）运动目标追踪系统的设计与实现,将上述算法加入到系统中,实现图像预处理、运动目标检测和运动目标跟踪等功能,对检测和跟踪效果进行浏览查看,验证算法的鲁棒性。