随着信息社会的不断发展,计算机被广泛运用到了各行各业。而计算机视觉作为一门综合性的学科,已经吸引了各个学科的学者投入到对它的研究中去。计算机视觉是使用计算机及相关设备对生物视觉的一种模拟,它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息,就像人类和许多其他类生物每天所做的那样。运动目标检测与跟踪技术是计算机视觉领域研究较为广泛的领域之一。这取决于这项技术的实用性很高,无论在民用还是军事领域都具有极高的研究利用价值。视频智能监控系统是最能体现运动目标检测与跟踪技术核心价值的平台。本文从运动目标检测和运动目标跟踪两个方面来研究这项技术；首先介绍了运动目标检测最为常用的几个方法：光流法、帧间差分法、背景减法。这三种方法是目前运用最为普遍的基本方法,但是由于其使用范围的局限性,导致单一使用其中一种方法往往得到的结果并不理想,所以实际应用中往往采用的是改进的算法。接下来根据检测运动目标时背景的不同来分类,分别从静止背景下的目标检测和动态背景下的目标检测两个方面来讨论。运动目标跟踪是建立在运动目标检测基础之上的研究内容,它是后续更加深入研究的基础,如：异常行为分析、交通流量统计等。本文介绍了运动目标跟踪技术的研究要点,重点分析了基于Mean Shift的目标跟踪算法和基于卡尔曼滤波的目标跟踪算法。最后,以智能交通系统为平台,以运行车辆为研究对象设计了交通流量统计的系统。该系统采用了基于背景模型的目标检测方法。而车辆跟踪则利用了卡尔曼滤波原理。实验结果表明,该系统具有良好的适应环境变化的特点,能有效的进行车辆的检测与跟踪,并准确的统计了虚拟线内的交通流量。