运动目标检测与跟踪属于计算机视觉领域,包含了多种交叉技术。近些年来,随着计算机视觉领域的深入研究,越来越多的研究人员将目标检测与跟踪技术列为研究内容。许多新的研究成果在无人机跟踪巡航、人脸识别、交通监管系统以及导弹轨迹跟踪等领域内广泛应用,但该技术还存在实时性和准确性方面的难点需要解决。在此背景下,本文基于OpenCV视觉库对运动目标检测与跟踪进行以下方面研究。首先对图像预处理技术进行原理分析研究。在图像去噪、二值化、形态学变化方面通过实验论证各个方法的优缺点,选取出最适合本文的图像预处理方法。在运动目标检测方面,将传统的检测算法进行理论分析以及算法实现,在此基础上对帧间差分法和背景差分法的不足提出了四帧间差分法和背景平均法的融合算法。融合算法利用学习率a对背景进行实时更新并结合形态学处理对前景进行修正,能有效的应对背景的缓慢变化。在运动目标跟踪方面分析了 Meanshift、Camshift、KCF滤波算法的优缺点,针对Camshift算法的局限性,提出采用Kalman滤波算法和Camshift算法结合进行跟踪。在以检测阶段的前景图像基础上,利用Camshift算法对运动目标进行准确跟踪,当目标被背景物体遮挡时,Kalman滤波对目标进行运动预测,防止目标丢失。在背景静止或缓慢变化的情况下,改进的四帧间差分与平均背景法的结合检测算法能有效的检测到运动目标,在此基础上结合Kalman滤波算法和Camshift算法的融合算法对视频中的目标进行准确跟踪。最后对实际的监控视频进行检测跟踪实验,并验证了算法的有效性。