视频运动目标检测与跟踪算法一直是众多国内外研究学者的重要课题。它不但是计算机视觉领域的重点攻克的问题,更智能视频监控系统中关键的底层技术。它对此方向的研究不但具有很好的学术价值,与其他课题相比,还更易用于实际用,现实意义巨大,已经广泛应用于各种视频监控场景中如：图书馆监控,安保监控、视频会议、视频检索等方面。因此,视频运动目标检测与跟宋算法研究具有极其重要的理论意义与使用价值。本论文根据课题要求侧重研究目标检测和跟踪方面算法改进。在目标检测和跟踪方面分别提出了改进的算法,对于传统的经典跟踪算法更是大胆提出自己的改进设想,并通过仿真证明自己改进算法的优越性。在运动检测方面,本文首先对常用的目标检测方法进行了综述。针对不同的目标检测算法分别指出其优缺点及主要的适用范围。同时,对现在比较流行的高斯背景建模和基于证据理论的信息融合背景建模算法原理做了理论分析。针对不同算法各有的优缺点,本文提出了一种运动目标检测的混合方法。采用中值滤波背景建模与改进时间差分方法相结合的混合算法(MFTD)。在差分图像中采用自适应阈值分割方法来优化运动目标提取,同时使用高斯滤波与数学形态学来消除噪声,改善了运动区域的效果。在运动目标跟踪方面,以常用运动目标跟踪算法的分类为题引入目标跟踪方向的研究。对常用的基于区域匹配、3D模型和特征匹配的目标跟踪算法都做了定的介绍。随后,对经典的Mean-Shift目标跟踪算法在数学理论层面做理论阐述。针对传统均值漂移算法自身不足,本文提出了一种改进的基于均值迁移的目标跟踪算法。通过理论推导指出Mean Shift算法相似度在目标大小发生变化时自身存在的缺点,在此基础上提出了一种改进的加权值算法。为克服目标短时间遮挡的跟踪问题,提出Mean-Shift算法与卡尔曼滤波相结合的轨迹预测的目标跟踪算法。同时,针对尺度固定不变的窗口不能有效的跟踪存在明显尺寸变化的目标,为此,本文在Mean-Shift算法与卡尔曼滤波相结合的基础上,增加了带宽自适应更新算法,提高了算法的鲁棒性。最后,本文所提出的视频运动目标检测与跟踪算法在Matlab2009b软件平台上编程实现,对程序实验结果进行分析。同时对自己本文的工作做出总结,指出存在的问题和进一步的研究思路。