视觉跟踪问题是当今计算机视觉领域的研究热点。随着社会公共安全体系的逐步完善，公共场所中对安全智能监控系统的要求越来越高，这使得许多知名公司和科研机构在此课题中投入大量人力财力。人体运动目标的检测与跟踪使视觉跟踪的重要部分，它在未来研究领域中将有广阔的前景并能带来巨大的社会效益。人体跟踪主要包括三部分重要内容：视频图像预处理，人体目标检测，运动跟踪。本文主要的工作如下：1．利用摄像机对运动目标进行视频采集，由于外界干扰或机器自身的变化很容易使图像被噪声污染，于是对每帧图像进行处理分析前，我们必须进行预处理使画面平滑。本文在介绍几种经典去噪算法的基础上，提出了两种新的去噪方法。方法一是利用小波算法跟多级中值滤波相结合，在图像的高频信息中实现滤波再进行重构；方法二是把双Haar小波与Wiener滤波算法结合，并在窗口方向的选择上提出了改进。试验表明这两种算法能够在去噪的同时保护好原图像的细节信息，得到较高的信噪比结果。2．人体目标检测也是跟踪过程中的一个难点，要实现从复杂的背景中把我们需要的目标分离出来。通常我们把背景分为静态和动态两种，在室内或者高速公路上背景一般不会发生大的变动，只有光照等影响图像的亮度，可认为静态背景；而在室外，当背景比较复杂时，也会发生较明显的变化，比如风吹动的树叶、飘动的白云、起伏的波浪等等，这种情况我们把它归为动态背景。静态背景的目标检测我们用背景差分的方法，只需要对背景进行相应的更新。动态背景中我们提出了一种基于贝叶斯模型的目标检测方法，利用两邻帧图像的相关性能够较好的将目标与动态背景区分开来。试验表明能达到较好的检测效果。对人体进行有效的检测后，就需要对其进行相应的分析，我们把每个个体用矩形框进行锁定，定义矩形的中心点为每个目标的特征点，利用其在图像中的坐标表示他的位置，下一步估计其运动轨迹，实现跟踪。本文分为五个部分。第一部分首先阐述了课题的研究背景、意义及该领域的发展现状；第二部分介绍了图像预处理的经典算法并提出新方法，对试验结果进行分析比较；第三部分介绍了目标检测的内容，对静态和动态背景分别进行讨论，对新算法进行详细的阐述并得到相关试验结果；第四部分是运动目标分析，给出大量试验图片；第五部分提出了研究展望及后续研究的主要内容。