运动目标检测与跟踪是计算机视觉研究的重要课题,在战场侦察、视频监控、图像压缩、图像检索、人机交互等研究领域都有着重要的应用。经过几十年来学者们的不懈努力,运动目标检测与跟踪技术取得了长足的进步,但实践表明一般意义上的运动目标检测与跟踪系统还远未成熟,要开发出真正稳定实用的系统还需要设计更为鲁棒的核心算法。当前,运动目标检测与跟踪方法层出不穷,本论文对其中的部分方法进行了深入研究,论文的主要工作包括:(1)针对复杂场景中运动目标检测易于受动态背景和光照变化影响问题,提出了一种基于连续核密度逼近理论的运动目标检测方法。我们将连续核密度逼近理论应用于背景建模,给出了一种基于该模型的背景差分方法,该方法结合像素级、区域级和帧间级判别准则提升了对动态背景和光照变化的鲁棒性。(2)针对运动目标检测中的运动阴影干扰问题,提出了一种基于Bagging集成学习的运动阴影消除方法。我们利用多个阴影鉴别模型来构建阴影鉴别特征集合,并使用Boosting修剪Bagging集成学习框架来训练阴影检测器。该阴影检测器可以自适应地从鉴别特征集合中选择有效特征,并能自适应在线更新。(3)针对运动目标跟踪算法对变化场景自适应性不强问题,提出了一种改进的基于空间颜色高斯混合模型的目标跟踪方法。我们通过衡量背景与目标分布在空间颜色域上的联合距离来剔除跟踪初始化时误引入的背景分布,将联合距离作为目标分布鉴别能力高低的一种度量引人到相似性度量函数中,并在跟踪过程中根据局部背景的变化对联合距离进行更新,充分根据各高斯分布的鉴别性能调整其匹配权重来提升对变化场景的自适应性。(4)针对运动目标跟踪过程中的目标形变、部分遮挡和复杂背景干扰问题,给出了一种新的基于多特征融合的目标跟踪方法。我们将目标的颜色、纹理、边缘、运动特征使用直方图模型进行描述以适应目标的形变和部分遮挡,并在Auxiliary粒子滤波框架内将所有特征观测进行概率融合来抑制复杂背景的干扰。(5)针对车辆主动安全系统的准确性和实时性要求,给出了一种基于眼睛状态识别的驾驶疲劳检测方法。我们结合了Adaboost人脸检测和Mean-Shift跟踪算法进行人脸跟踪,设计了一种基于灰度形态学滤波的人眼定位算法,给出了多个简单有效的图像特征来识别眼睛睁闭状态,最后通过分析连续时间段的眼睛状态实现较为准确和实时的驾驶员疲劳检测。