计算机视觉(Computer Vision)在军事、医疗、安防、视频监控及人机交互等领域有着越来越广泛的应用，导致计算机视觉技术越来越受到极大的重视。运动目标检测与跟踪是计算机视觉领域中的一个重要分支，它是绝大多数视频处理的第一步，其研究不局限于某个特定领域，而是涉及到计算机视觉中从低层到高层的许多问题，其性能将直接影响后续处理效果。　　 在运动目标检测方面:本文首先介绍了目前运动目标检测技术的三大方法:帧间差分法、背景差分法和光流法;帧间差分法只需要两帧或三帧间相减，实现起来比较简单，但检测到的目标会出现空洞现象;背景差分法需要构建背景模型，一般背景模型建立较难;光流法需要计算大量的光流场，算法的实时性很难保证。于是，引入了检测精度高、处理速度快的Vibe算法，但它容易产生Ghost Area。通过理论和实验结果分析，找出了Vibe算法缺点的原因，提出了能快速消除Ghost Area的连续N帧为前景点需重采样的改进Vibe算法。　　 在运动目标跟踪方面:重点研究目前在实际应用中比较成熟的Mean Shift算法和它的改进算法Camshift算法，并结合第二章中的改进Vibe算法，提出了一种融合前景检测的改进Camshift算法，用来解决跟踪目标区域容易定位在颜色相似的背景上，且能更快速、更精确的跟踪目标。最后，探讨了能解决非线性非高斯模型的粒子滤波算法，实验证明它能非常好的跟踪单个运动目标，且能满足实时性。但当目标的颜色与背景颜色存在相似时，目标跟踪的区域会死锁在背景区域上，因此提出了一种融合前景采样的粒子滤波算法，利用当前最新的观测量来更新粒子，解决了粒子的匮乏问题，消除了目标跟踪区域永远死锁在颜色相似的背景上。