运动目标检测与跟踪技术作为计算机视觉领域的核心研究课题，经过国内外研究者数十年的倾力研究，取得了显著的研究成果。但是在实际应用中，由于真实环境过于复杂，目标的运动轨迹具有不规则性，因此大大增加了实时检测与跟踪运动目标的难度并降低了检测与跟踪结果的准确度。本文深入学习和研究了国内外现有的经典算法，并且在此基础上做出新的尝试，兼顾到算法的实时性以及鲁棒性。主要工作分别是：（1）针对经典运动目标检测算法ViBe在实际环境中无法消除鬼影、阴影等干扰的影响，本文结合三帧差分、边缘检测等技术，提出一种ViBe改进算法。预处理阶段通过三帧差分获得真实背景并消除鬼影；运动目标检测阶段结合先验知识和边缘检测方法获得真实运动目标以消除阴影干扰；目标描述与跟踪阶段运用像素标记方法，得到目标描述并实现目标跟踪。实验结果表明，改进算法在消除鬼影、阴影等干扰方面表现出了优越的性能,在交通监控实时视频流中具有理想的车辆检测和跟踪效果。（2）本文基于自适应样本数量的粒子滤波算法，提出一种融合了颜色、纹理、边缘等多种特征的AMFPF跟踪算法（Adaptive Multi-Features Particle Filter），旨在用较少数量的粒子完成对目标的精确跟踪。根据目标轮廓特征自适应调整粒子数量，同时结合了目标多个显著特征进行概率融合。实验结果表明，该算法不仅提高了跟踪速度，并且在复杂环境中可以稳定准确地跟踪目标。（3）本文将改进的ViBe算法与AMFPF跟踪算法应用在智能交通领域中用来实时、准确地提取车流量、车辆速度、车道占有率等交通参数，从而进一步扩大了运动目标检测与跟踪算法的应用前景。