运动目标检测与运动目标跟踪是计算机视觉领域中的研究热点问题之一,也是关键技术之一,它融合了图像处理、模式识别、人工智能以及自动控制等许多领域的知识,是一个跨学科的、富有挑战性的前沿课题,在智能视觉监控、智能交通、人机交互、视频图像压缩、医学图像分析、机器人视觉导航等领域都有广泛的应用,因此,本课题的研究具有重要的理论意义、实用价值和广阔的发展前景。运动目标检测与跟踪算法是本文研究的重点,静止背景中的目标检测与跟踪技术,例如视频监控系统、交通管制系统等,研究已经日趋成熟,在军事、交通、工业制造、医疗以及日常生活中的众多领域得到了广泛的应用,本文在前人研究成果的基础上,对运动目标检测与跟踪算法进行了改进和实现,主要完成了以下工作：(1)深入地分析了几种常用的运动目标检测算法的原理和特点；(2)提出了一种改进的混合高斯背景建模算法,采用一个常数作为方差的学习率,解决了混合高斯模型下,随着时间的推移使方差陷入一种恶性循环,使方差一直偏小的问题；(3)对几种常用的运动目标检测算法进行了比较研究,通过大量的实验,对于各种算法的检测效果、实时性、算法复杂度、以及复杂环境适应性等方面的性能进行了总结分析和综合对比；(4)重点研究了基于Kalman滤波的运动目标跟踪问题,给出一种基于Kalman滤波的运动目标跟踪算法,通过目标检测、目标运动估计和目标匹配与跟踪三个模块实现运动目标的跟踪,能对运动目标进行比较精确和稳定的跟踪。