视频中运动目标跟踪研究是计算机视觉领域中非常重要的一个课题，在军事制导、视觉导航、安全监控、智能交通、视频编码、医疗诊断和气象分析等众多领域中有着广泛的应用，跟踪算法的研究具有重要的理论价值和实际意义。 本文对如何从视频序列中正确地分割出感兴趣的运动对象进行了研究。目前常用的基于静目标态背景的目标检测算法，主要是利用帧间信息变化来检测运动，并进行分割。在众多的分割方法中，本文着重研究了帧间差分法、背景帧差法和Kim算法，针对这些方法的不足，利用形态学算子与最大类间方差法，提出了一种改进算法。实验结果表明，这种检测方法在运算效率和分割精度上都取得了较理想的结果。另外，运动目标跟踪算法的好坏直接影响到目标跟踪的准确性和稳定性。现有的目标跟踪算法大多是基于特征或运动信息的，其中有的需要处理的数据量很大，运算复杂，很难达到实时跟踪的要求；特别是当场景比较复杂是，目标尺度的伸缩、遮挡、非刚体形变等，对准确跟踪产生困难。利用直方图的特征不易受目标外形和比例变化的特点，结合均值偏移算法，和目标的特征颜色信息，首先获取当前帧中目标的颜色直方图，再运用特征匹配和相似性度量，对后续帧中的候选目标加以检测与定位。在简单和复杂背景环境下，对刚体和非刚体目标进行了跟踪实验，实验结果验证了本文提出方法的稳定性和实时性。