运动目标识别和跟踪是计算机视觉领域非常活跃的一个课题，它有着广泛的应用，如视频会议，机器人导航，以及虚拟现实等。基本的分析方法有两种：基于特征的方法和基于光流的方法。本文主要采用基于光流的方法进行计算和分析。 首先，对图像进行预处理，包括图像平滑、阈值分割、边缘跟踪等。这样做的目的是去除图像噪声，分离目标和背景，并提取边缘，从而为光流场计算做好准备。 其次，为了实现对运动目标的检测，重点研究基于梯度和基于匹配的光流场算法，采用了改进的光流场算法，并对Horn&Schunck、Lucas&Kanade和特征点相关匹配算法进行仿真。实验表明基于局部的光流场算法性能优于基于全局的光流场算法。同时，实验还表明特征点相关匹配算法具有更省时，更精确的优点。 最后，在对运动目标跟踪算法中，研究了质心跟踪以及Kalman滤波跟踪算法，并预测了光流技术研究的趋势。实验表明质心跟踪实现简单，但不够准确。而Kalman滤波跟踪的修正功能使跟踪精度提高。