在数字视频处理和计算机视觉领域的各种应用中,目标检测和跟踪是一个重要的,也是最基本的任务。目前在目标检测和跟踪方面的一些较流行的应用有自治车辆导航、机器人控制、基于运动的识别、视频压缩、基于视觉的控制、人机接口、医学成像、增强现实和视频场景监控。在计算机视觉领域,目标检测和跟踪技术尽管已经被研究了十多年,但仍是一个热门的研究领域。由于复杂的背景、光照的变化、遮挡问题及初始化等问题,目前还没有一个通用的、精确的、高性能的和实时的目标检测和跟踪算法,运动目标的检测跟踪效果仍不很理想,需要进一步改善。本文主要做了如下的工作:(1)在运动目标检测研究方面,针对复杂动态场景下的红外目标检测问题,提出了一种基于交叉熵的过渡区提取的红外运动目标检测方法。该方法首先使用帧差法和背景差分法相融合的检测方法,对红外图像进行差分处理,然后采用基于交叉熵的过渡区分割算法二值化图像,最后进行形态学滤波,从而检测出完整的红外目标。(2)在运动目标的检测跟踪过程中,很多因素导致检测跟踪的结果出现偏差,而阴影就是其中一个主要因素。本文针对传统的HSI颜色模型在当前运动目标和背景颜色接近时,出现的检测率不高的缺点进行了改进,把一阶梯度密度函数引入到HSI颜色模型中,利用采集到的图像序列进行实验,实验结果表明基于HSI模型的阴影检测算法是有效的。(3)在运动目标跟踪方面,本文针对传统的颜色直方图出现目标跟踪丢失的情况,提出了一种基于卡尔曼滤波和加权颜色分布的彩色目标跟踪方法。该方法利用卡尔曼滤波预测目标位置和角度,通过预测调整加权方向直方图的计算得以快速找到跟踪目标。新方法在一定程度上提高了测量的精确度和稳定性,改善了跟踪的效果。将上述方法用于视频跟踪取得了比较好的实验结果,进一步证明了方法的可行性,具有一定的实用价值。