视频中运动目标检测和跟踪是数字视频处理和分析应用的一个重要领域。它在智能监控、智能交通、体育训练、运动图像编码等方面有着广泛的应用。视频中运动目标的检测是在图像序列中检测出所感兴趣的目标，或者是判断出图像中是否存在运动目标，并确定其位置；运动目标跟踪是通过对图像序列进行分析，监控所感兴趣目标的时空变化，估计出目标在下一帧图像上的位置等信息。运动目标的检测与跟踪是紧密关联的两个过程，跟踪始于检测，在后续图像序列中的重复检测也有助于目标的跟踪。 为了实现游泳运动员检测与跟踪，本研究课题研究如何从视频流中正确的检测出运动目标(游泳运动员)在图像中的位置，以及在此基础上如何有效地对视频中的游泳运动员进行跟踪的问题。针对采集到的游泳视频序列，采用视频分析技术和图像处理技术，开展了如下的工作： 1)在研究了常用的运动目标检测方法如背景差分法、光流法和帧间差分法等的基础上，提出了一种基于时空域信息融合的视频序列中运动目标的检测方法，它结合单帧图像的空域特征和多帧图像之间的时域特征，通过时空域检测来获取运动目标在视频序列中的位置信息，再进行进一步的图像滤波、连通组件标记等图像处理技术可以实现对运动目标的有效检测。对游泳视频中运动员目标检测的仿真实验结果，以及与其它方法检测结果的比较，都表明了这种方法的有效性。 2)研究了游泳视频序列中运动员目标的跟踪技术，提出了基于Blob分析提取运动员特征信息和基于Kalman滤波的预测跟踪相结合的视频序列中运动目标跟踪方法，其中，Kalman滤波器利用Blob分析所提取的特征信息来对目标对象进行初始化，并以此作为特征匹配过程的起始点，利用kalman滤波器来预测目标在下一帧中的位置，确定目标搜索范围进行跟踪。仿真实验以及分析比较的结果都表明了方法的有效性，可以为实际应用中控制水下摄像机的移动以便对游泳运动员进行跟踪拍摄提供技术支持。