多运动目标的检测和跟踪一直是计算机视觉领域中一个备受关注的新兴研究方向,该方向融合了计算机应用、图像处理、人工智能、模式识别等多个相关领域的知识,得到了广大科研工作者、国家相关部门以及企业的高度重视,现已广泛应用于视频监控、医学图像分析、智能交通等多个领域。由于场景的复杂性、目标外观的多样性以及多个运动目标之间的相互遮挡等原因,多运动目标的检测和跟踪技术仍然面临着许多有待进一步解决的研究难题。本文在对目前常用的目标检测和跟踪算法进行分析和实验对比的基础上,针对多运动目标的检测和跟踪技术中的一些主要问题进行了研究。主要工作如下：1、提出一种二次检测的改进型目标检测算法。先利用OTSU准则改进VIBE背景建模算法,实现前景区域检测,再采用基于HOG特征的SVM分类器对前景区域进行二次检测,从而实现对相互粘连或者分裂目标的精确分割。实验结果表明,本文算法可以有效解决原始VIBE算法无法解决的参数自适应以及目标之间相互粘连的问题,具有良好的鲁棒性,能够准确地检测出运动目标。2、提出一种基于轨迹优化的多目标跟踪算法。首先利用检测算法获取的各个运动目标的位置信息来建立各个目标的初始运动轨迹,然后构建了一个可以详细描述当前轨迹空间的能量函数,该能量函数可以有效的惩罚错误的轨迹配置并奖励合理的轨迹配置,接着,在总的能量函数不再增加的前提下对当前轨迹空间进行不断的迭代优化直至生成最终的准确轨迹,最后通过回标来完成多运动目标跟踪。实验结果表明,本文提出的方法可以有效解决多目标跟踪过程中的遮挡、合并、漏检等问题,能够对多个目标持续跟踪,具有较高的跟踪精度。