本论文在熟悉相关资料的基础上主要涉及到静态背景下运动目标的检测和任意背景条件下的运动目标跟踪等内容。在运动目标检测方面,本文首先简要介绍了目前运动目标检测中的一些常用方法,包括目标检测中的帧间差分法、背景差分法和光流法,并对各种方法进行了分析,指出其优缺点及适用范围。然后介绍了背景差分法中背景建模常用的几种算法,包括统计平均分、中值法、W 4方法、混合高斯模型法等。之后还介绍了与本论文有关的数学形态学和连通性分析方面的知识。本文在帧间差分法和背景差分法的基础上,提出了一种混合运动目标检测算法:先使用帧间差分法粗略的检测出目标,然后在这个基础上,将图像分成几个区域,有找出有运动目标存在的区域,再对这些区域进行背景差分,对运动目标做更加精确的检测。该算法将两种方法的结合使优势形成互补,即融入了背景差法对物体的准确分割,又融入了帧差法的很强的适应性。实验表明,该算法快速准确,有着广泛的适用性。之后还根据阴影的形成机理和阴影与运动目标不同的特点,提出了基于HSV色彩空间的阴影检测算法,并得出实验结果。在目标跟踪方面,本文首先简要介绍了目前运动目标跟踪中的一些常用方法,包括基于特征的方法、基于模型的方法、基于区域的方法和基于变形模版的方法,并重点研究了Mean Shift算法,Mean Shift在跟踪领域有很多很好的性质,比如实时性好、对遮挡、目标变形鲁棒性好等。然后,对Mean Shift算法进行验证和分析;研究了快速运动目标和目标遮挡两种情况下的运动目标跟踪,给出了实验结果,并分析了Mean Shift算法的优缺点。