在计算机视觉领域,运动目标检测与跟踪是一项前沿热门的研究方向。它涉及了图像处理、模式识别、多媒体技术等多项领域,并在军事、交通、民用监测、人工智能等实际应用中不可或缺。本文从运动目标的检测和运动目标的跟踪两方面入手,结合国内外的最新研究成果,对现有算法存在的一些缺点进行了改进,实现运动目标的自动检测和跟踪。在运动目标检测方面,本文首先研究了经典的帧间差分法和背景减除法。然后针对这两种算法都不能准确检测缓慢运动目标的缺点,提出了基于动态背景的改进算法。该算法以背景减除法为基础,结合帧间差分法更新背景,可以有效地检测出速度较慢的运动物体。由于该算法的应用范围比较窄,本文又提出了基于背景减除法的快速自适应检测算法。该算法通过计算背景模型的效能来实现背景模型的智能更新,同时通过图像的噪声水平实现参数的自适应调整。该算法可以适应场景的突然变化,抑制噪声和重影的产生,同时其计算简单和像素并行的设计也使该算法拥有良好的多平台应用能力。在运动目标跟踪方面,本文着重研究了以均值漂移算法为基础的改进算法。在研究工作中,本文针对传统的均值漂移跟踪算法不适用于跟踪快速运动的目标这一缺陷,首先提出了基于均值漂移算法结合带宽调节的改进算法。该算法通过比较bhattacharyya系数调节核函数带宽,在快速运动目标的跟踪上有了一定的改善。然后在该算法的基础上,本文引入卡尔曼滤波算法,提出了基于卡尔曼滤波的分块自适应均值漂移跟踪算法。该算法结合卡尔曼滤波和历史信息来预测移动目标的最大位置,并对目标和候选区域的特征模型进行分块,同时通过bhattacharyya系数调节跟踪窗口带宽,实现了复杂背景下快速运动目标的准确跟踪。