本文主要研究静止背景下运动目标的检测和提取，运动目标的跟踪，以及Snake跟踪算法等方面的内容。 在静止背景下的目标检测方面，本文介绍了帧间差法和背景差法两种算法的基本原理；简要介绍了帧间差分法及其特点；分析了单高斯背景模型方法的优缺点，给出了改进方案并进行实验分析；研究了利用混合高斯模型提取具有扰动的背景模型的方法，分析了混合高斯模型的优缺点；根据单高斯模型和混合高斯模型的优缺点，提出了自适应多高斯模型背景模型算法；在消除光照突变影响方面，介绍了用统计亮度变化点数来消除光照突变影响的算法。 在研究用相关方法进行运动目标跟踪方面，本文主要介绍了几种常用的匹配跟踪算法：MCD、基于直方图特征的特征匹配跟踪算法、SSDA，以及将DCT变换引入相关匹配的算法。在跟踪中引入了Kalman滤波器对匹配点进行预测，减小了匹配点的搜索范围；引入了小波变换，先对图像进行小波变换，取出一次小波变换后的低频分量进行匹配，从而滤除了高频噪声，同时减少匹配的点数，提高了跟踪的速度和精度；给出了自适应的模板更新机制，增加了对物体被遮挡和目标丢失的判断；实验了多种相关跟踪算法，比较了各种算法的实时性和准确性。 在Snake跟踪算法方面，介绍了传统的Snake算法及其离散化实现，分析了算法的不足；比较了Greedy-Snake算法和GvF-Snake算法，确定了跟踪中使用Greedy-Snake方法的合理性；给出了Snake算法应用于目标跟踪的实现方案，分析了实现跟踪的难点，给出了一种实现初始轮廓提取的方法；对Snake跟踪算法进行了实验，分析了实验结果。