视频运动目标检测与跟踪是计算机视觉学科中的一个很热门的方向,它包括数字图像处理、模式识别,甚至还涉及人工智能和机器学习等,已经被很好的应用在军事、工业、智能交通、安全监控等多个方面,并且一直在发展。本文一开始先介绍对于目标的检测,比如基本的目标检测算法以及特征提取检测的算法,重点阐述了机器学习的检测算法,能够对正样本和负样本进行一定的训练,从而检测出运动目标。然后介绍了比较常用的目标跟踪算法,包括Meanshift、Camshift和卡尔曼滤波算法,Camshift算法其实是Meanshift算法的改进,并通过实验验证了Camshift算法跟踪物体具有尺寸大小的自适应性。面对快速运动目标的跟踪问题,本文提出了在直方图相似度匹配下的积分图像跟踪算法,研究了积分图像算法的时间复杂度,并证明了用颜色空间积分图像算法可以跟踪快速运动的物体,而且通过区域搜索,具有跟踪的实时性,该算法可以和Meanshift算法相结合,实验也验证了跟踪效果更好。对于用传统的Camshift算法跟踪目标与背景颜色相似情况下失败的问题,本文提出了一种算法,通过每一帧图像与背景相减,加大目标和背景区分度后,可以较好的实现对颜色相似目标的跟踪。在实现对快速运动目标的跟踪过程中,先用机器学习的算法进行目标检测,然后面对用传统的Camshift算法跟踪快速运动物体会导致跟踪丢失的情况,结合颜色空间积分图像算法后,能有效的进行跟踪,而且也具有尺寸大小变化的自适应性。对于在相同物体干扰下跟踪快速运动物体,用积分图像和Camshift算法跟踪丢失的情况,结合本文提出的加大颜色区分度算法,可以做到有效的跟踪。