随着社会和科技的进步,视频监控被广泛的应用于军事和社会生活的诸多领域。一般摄像机视野较窄,很难同时完整的监视360度视场范围内的外界环境。由于全景视觉能够同时全方位的监视360度视野内的环境信息,很好的弥补了普通相机视野较窄的缺点。随着社会老龄化的加快,运动目标检测技术能够用于对独居老人生活状态的监视,同时在现代战争中目标检测跟踪技术也可以用于导弹的拦截。在许多实际场合,运动目标往往会运动速度较快,或者被其他物体遮掩。因此,对视频监控中运动目标快速、有效的检测和跟踪是一大难点,本文主要围绕这一问题主要做了如下工作:首先,本文对常用的目标检测方法做了深入研究。主要研究了连续的帧间差分法,其中分别研究了二帧和三帧差分法,同时还对背景差分法做了深入研究。最后通过实验对这几种方法进行了对比分析,为了更好的突出检测后的目标区域,文中还对形态学滤波和连通性分析做了研究。其次,对于目标跟踪方法,主要研究了 MeanShift跟踪算法。通过详细的MeanShift理论的推导,完整阐述了 MeanShift算法的跟踪原理。鉴于使用传统的MeanShift算法跟踪时,对目标的跟踪窗口其大小在整个跟踪过程中都是固定不变的。然而现实中目标在运动的过程中,在图像中成像的大小并非一成不变的。如果仅使用尺寸大小固定的窗口跟踪目标时,难免会引入大量的背景信息或者无法完整的提取目标的全部特征,这些都为准确的跟踪带来较大困难。因此,本文通过引入窗口自适应变化的策略以提高对运动目标跟踪的正确率。再次,由于文中实验所用的全景摄像机装配原因,在全景图像的环形视野内会存在三个柱形遮挡区域,当目标被遮掩时,使用单独MeanShift算法很难实现准确的跟踪效果。本文首先根据贝叶斯估计推导出kalman滤波器模型的构造过程,然后通过引入了kalman滤波器,并运用它的预测功能实现了在一定程度上改善由于摄像机视野内出现较大遮挡物时,单纯的使用MeanShift算法跟踪效果不理想的现象。最后,在上述研究的基础上,通过全景移动机器人平台,搭建检测与跟踪的实验环境,同时检验上述方法在检测与跟踪效果上是否理想。