运动目标的检测与跟踪因其在军事制导、智能交通、安全监控等领域都有着广泛的应用，已经成为当前计算机视觉领域研究重点之一。由于环境的影响，如光照变化、空气流动等，使得水面波纹变化、地面植物晃动等，给目标检测带来很多不确定因素，因此，研究复杂背景下的运动目标检测与跟踪算法成为图像处理领域的难点和热点问题。本文从图像预处理技术、运动目标检测技术、运动目标跟踪技术三个方面着手，对传统常规方法和目前较为流行的检测与跟踪方法从原理上进行了分析，并比较了各自的优缺点以及适用范围。在此基础上提出了基于混合高斯背景建模的改进型背景差分法，能够适应复杂背景下的目标检测；利用Kalman滤波器对目标状态进行预测缩短了Mean Shift的搜索匹配时间并提高了其跟踪准确性，提高了目标跟踪的精度和实时性。在区域监控行人的应用中，针对不同检测区域综合使用改进的MeanShift算法和移动式管道滤波，取得了不错的实验结果。论文将研究成果运用于边检过境通道防尾随项目中，取得了较高的检测精度。