视频图像中运动目标的检测与跟踪是计算机视觉的主要研究方向之一,由于其融合了图像处理、模式识别、自动控制、人工智能等许多领域的先进技术,在许多方面有着广泛的应用。本文主要在静止背景下对运动目标的检测和跟踪算法做了深入的研究。在运动目标检测方面,首先介绍了传统的目标检测算法,分析了其优点和不足。对基于背景高斯模型的目标检测算法进行了比较详细的分析和论述,然后在此基础上提出了一种将三帧差法跟高斯背景建模相融合的一种方法,经实验证明,该算法可以有效的改进高斯建模的不足,具有很好的鲁棒性。在运动目标跟踪方面,首先介绍了运动目标跟踪方法的分类及几种常用的跟踪方法。重点研究了基于卡尔曼滤波的跟踪方法和CamShift跟踪方法。基于卡尔曼的跟踪是利用目标的运动信息进行跟踪,而CamShift算法是利用目标本身的颜色特征实现跟踪。虽然CamShift算法具有收敛速度快的优点,但是当目标被严重遮挡是会丢失目标,造成跟踪丢失。在此,本文将卡尔曼滤波和CamShift算法结合起来,改善了原有算法在运动过程中被遮挡而造成的目标丢失现象,并通过实验验证了本算法的可行性。