计算机视觉现已广泛应用于国民生产生活中,如:智能视频监控、视觉导航、军事领域以及人机交互等。基于视频序列运动目标的检测与跟踪作为计算机视觉一个重要方向,也取得了迅猛发展,但是由于现实环境中存在随目标移动的阴影、复杂多变的背景、光照突然变化、目标姿态变化、遮挡等诸多因素的影响,使得运动目标的检测与跟踪效果有待进一步改进。本文针对应用较为普遍的ViBe算法中存在鬼影、静止目标和阴影缺陷,进行了优化设计;另外,针对压缩跟踪算法的缺陷,提出了结合目标估计的压缩跟踪算法,为目标检测与跟踪提供了行之有效的解决方法。主要工作内容如下:首先,针对ViBe算法中的缺陷,将其背景更新策略设计成阶梯型更新,并且赋予前景点也有传播更新的特性,进而,利用小波进行高低频的分离,将优化后的ViBe算法作用于低频区,利用帧间差分法作用于高频区提取细节信息,并以多尺度中的空间信息设计阴影去除算法。接着,本文提出了结合目标估计的压缩跟踪算法。针对原算法搜索区域受运动速度的影响,本文引入ORB特征点匹配,通过匹配点建立关系模型实现候选目标的定位;针对固定尺度的缺陷,提出了基于匹配点间方差的尺度自适应方法;针对原算法每帧进行更新的盲目性,本文引入遮挡判断因子,并结合匹配点的数量调节分类器的更新策略。最后,在视频序列中运动目标的检测方面,通过与ViBe算法对比,说明本文算法能更快的将鬼影和静止目标存在的干扰吸收为背景,且进一步通过与经典检测算法对比和分析,论证了算法的有效性。在视频序列中运动目标的检测方面,选取测试序列进行实验,说明本文不仅满足实时性的要求,并且较好的解决了传统压缩算法的缺陷。