随着自动化水平的日益提高，以及图像处理、模式识别和计算机视觉领域的研究逐步成熟，视频监控系统得到越来越广泛的应用。现在社会上一些重要金融机构如银行的金库和一些存放机密文件资料的部门屡屡遭到犯罪分子的盗窃和破坏，由此引起严重的损失。如何在这些环境条件下提供更安全的保障成了亟需解决的问题。其中在视频图像序列中对特定目标进行检测和跟踪成为这些部门进行安全监控中的关键一环。本研究提出一种基于视频序列的运动物体检测与跟踪算法。该算法主要包含了两大部分：运动物体检测和运动物体跟踪。该算法首先通过动态背景更新和基于HSI模型的亮度通道投影差分算法进行运动物体快速检测定位，在此基础上用人体的质心代替运动人体进行跟踪，并分遮挡和未遮挡情况各自采用不同的方法对运动物体的质心进行实时跟踪。 ⑴在运动物体检测部分，视频监控系统中检测运动物体常用背景减除法，但背景减除法在检测物体时会受到光照变化而影响检测结果。对此，采用动态背景更新算法来减小光照变化对检测的影响，并根据HSI模型中的亮度分量能完全代表RGB图像的灰度信息的特点，本文提出了基于HSI模型的亮度通道投影差分算法，通过对前景与背景亮度分量图进行累加投影而求取相差部分，再对累加投影差值图进行阴影消除与高斯平滑滤波，从而定位运动物体。 ⑵在运动物体跟踪部分，采用对人体质心跟踪来代替对运动人体本身跟踪的方法，并主要对运动物体间互遮挡时的跟踪进行讨论。在未发生互遮挡时的运动物体跟踪采用本文基于动态背景更新的运动物体检测算法来实现质心跟踪，而互遮挡时则采用基于灰色预测模型的GM（1.1）算法来对质心位置进行预测，从而确保了跟踪的顺利进行。 ⑶测试结果表明，本文提出的基于视频序列的运动物体检测与跟踪算法是有效的。而动态背景更新方法和基于HSI模型的亮度通道投影差分算法能够快速准确地检测定位运动物体，基于灰色预测模型的GM（1.1）算法能够较为准确地对运动人体质心进行预测。