运动目标检测与跟踪涉及到计算机图像处理、视频图像处理、模式识别、以及人工智能等诸多领域,广泛地应用于军事、工业、生活等各个方面。本文主要针对动态背景下,尤其是复杂海背景下的弱小运动目标,包括可见光情况和红外情况下的跟踪进行了研究。研究内容主要分为三个部分:图像预处理、运动目标的检测和运动目标的跟踪及预测。图像预处理方面,总结并比较了海空背景分割方法,提出了结合大津法的Hough变换来提取海天线,利用中值滤波抑制噪声,采用最大类间方差法对图像进行预分割,在边缘检测的基础上进行Hough变换检测海天线,这是一种针对可见光和红外情况下的海天线检测算法,能较好的检测出背景变化复杂,低信噪比情况下可见光以及红外图像中的海天线。运动目标检测方面,针对海空背景下目标图像的灰度分布特点,针对最大类间方差法的不足,提出基于自动搜索谷底的快速阈值分割法,结合中值滤波和高斯平滑抑制前景,较好的分离了前后景,去除了大量的海杂波,尤其是去除了大部分高亮度的天空背景,减少了计算量,提高了后续的检测效率;再结合形态学运算,较好的提取出了目标;在对目标定位检测时,借助海天线检测的结果,利用形心检测来定位。实验结果表明,对可见光图像和红外图像都有良好的适应性。运动目标的跟踪方面,介绍了基于meanshift的camshift算法,并进行了实验分别作了比较。最后提出了camshift结合kalman改进算法进行跟踪,很好的解决了camshift算法跟踪中有大型遮挡物或与同色系非微小的物体互相重叠后,目标很容易跟丢的问题。