随着计算机和媒体技术的飞速发展，计算机视觉技术在各个领域中受到了极大的关注作为计算机视觉领域中最具挑战性的研究热点之一，运动目标检测与跟踪涉及视频图像处理模式识别人工智能等多个学科，并在工业军事医疗遥感等领域中得到广泛的应用因此，运动目标检测与跟踪的研究不仅具有重要的理论价值，而且还具有极其重要的实际应用价值本文在前人研究的基础上，对运动目标检测与跟踪过程中涉及的相关算法进行研究和改进，主要工作内容如下：在目标检测方面，从算法的概念原理实现流程及关键技术等角度，对光流法帧间差分法背景减除法等目前常见的运动目标检测算法进行详细分析通过实验进行验证比较，并分析总结了各算法的优缺点对混合高斯模型的参数估计进行研究，针对利用传统EM算法进行混合高斯模型参数估计容易陷入局部最优的问题，采用基于最大惩罚的最大期望算法参数估计，对传统最大期望算法进行改进针对光线突变导致背景建模失效的问题，提出在混合高斯建模中发现光线突变的方法，并在发现后采用三帧差分法暂时代替混合高斯模型，待其收敛后再重新采用该模型，避免因光线突变造成检测失败问题在目标跟踪方面，针对均值偏移算法跟踪过程中因为核窗宽不变，而导致目标尺度发生变化时定位不精确的问题，提出融入边缘检测的方法估算目标大小，从而实现核窗宽自适应调整的改进方法同时对均值偏移算法在跟踪快速运动目标和目标遮挡比例较大而导致跟踪失败的问题，采用卡尔曼滤波对目标位置预测，之后结合改进的均值偏移算法进行目标跟踪，有效的提高了跟踪算法的准确性和鲁棒性