基于视频的运动目标追踪是一个包含运动目标检测、运动目标追踪二个方面的研究课题。目前广泛应用在视频监控、工业控制、军事武器中，具有较高的理论研究意义和实际应用价值。目前运动目标追踪是计算机视觉研究的一个热点方向。下面是本文的研究内容。　　首先，对静态背景下的运动目标的检测算法进行了研究。运动目标的检测就是把感兴趣对象从背景图像中分离出来。为更好的进行检测，首先对视频数据进行了去噪处理，研究的算法包括:中值滤波算法、均值滤波算法和小波滤波算法。本部分主要研究的检测算法如下:两帧差分法、三帧差分法和背景差分法。通过检测部分完成了对要追踪目标位置的确定。　　其次，研究了基于Haar特征的运动目标的追踪算法。包括多实例学习(MultipleInstance Learning--MIL)和压缩追踪(Compressive Tracking--CT)两种追踪算法。两种算法的追踪过程使用了基于Haar特征的外观模型，此种外观模型不仅仅保证了追踪的准确性，而且保证了系统的运行速度。CT算法以压缩感知理论为基础可以有效降低数据处理量，加快了算法的运行速度。　　最后，研究了检测与追踪相结合的追踪学习检测算法(Tracking LearningDetection--TLD)。该算法将追踪、检测、学习模块化处理，系统利用学习模块，对检测与追踪产生的漂移进行及时更新。通过实验比较发现，该算法可以成功的对运动目标进行长期追踪，并成功抵御了光线的变化、运动目标尺度的变化和遮挡问题。