随着科学技术水平的迅速提高,尤其是传感器及其融合技术的发展,摄像头在人们的日常生活中随处可见。对视频中的目标进行检测与跟踪是为了能够得到人们感兴趣的物体的各种移动信息,这是许多该领域相关研究的基础。移动目标检测算法主要是利用相应的方法来将视频流中的我们所感兴趣的目标从其中分离出来。通过一直跟踪所感兴趣的目标,就能够获取它的各种信息,包括目标的移动方向、速度、加速度、颜色、质心等信息。能够准确地跟踪目标是做好很多计算机视觉相关研究的关键,目标跟踪可以为行为分析、目标识别、人机交互等提供目标的各种运动数据。本文介绍了一些比较常用的目标检测方法,每种算法也通过实验指出其优缺点。着重分析了背景差分法与帧间差分法的优缺点,在深入研究这两种方法的基础上,有机地结合了两种方法的优点,能够在视频当中完整地分离出感兴趣的目标。由于阴影的存在,会使得目标检测的结果中带有阴影区域,会影响目标跟踪的效果,本文也采用相应的算法消除阴影。在目标检测完整的情况下,本文设计了基于目标特征的检测跟踪算法。通过不断检测每帧中的目标,将相邻两帧的目标进行特征匹配完成目标跟踪,并将该方法应用到道路车流量统计中,统计准确率达到86%。重点研究了Mean Shift目标跟踪算法,该算法是基于核函数颜色直方图的,具有计算量小、对目标旋转形变不敏感、无参密度估计等优点,但该算法也存在容易受相近颜色物体干扰、跟踪窗口带宽固定不变、对遮挡敏感等缺点。本文通过采用分块颜色直方图来解决Mean Shift容易受背景颜色干扰的问题,结合卡尔曼滤波器来解决目标遮挡的问题,采用逐个变化长宽的九状态来解决Mean Shift搜索目标过程中窗口带宽不能自适应缩放的问题。