基于图像序列的运动目标检测与跟踪是计算机视觉领域的关键技术之一,该技术融合了计算机应用、模式识别、图像处理、人工智能、数学等多门学科的关键技术,现在已经广泛地应用在医学图像分析、机器人导航、智能交通、视频监控等领域。因此运动目标检测与跟踪算法的研究具有重要的理论意义和应用价值。本文主要研究了固定位置的单摄像机所拍摄的图像序列中运动目标检测和跟踪算法。对于运动目标检测,主要介绍了帧间差分法和背景差分法。在帧间差分法的基础上,实现了帧间差分相乘的检测方法,该方法对于场景中的微小变化具有一定的抗干扰能力。同时实现了基于Surendra背景更新估计的背景差分法,并分析了帧间差分法和背景差分法各自的特点,提出了帧间差分相乘法和基于Surendra背景差分法相结合的检测方法,使得检测到的目标信息更加完整。目前应用于运动目标跟踪的技术以Mean shift算法为常见,为了实现对运动目标的准确跟踪,利用了Meanshift算法对运动目标进行跟踪,但是该算法的不足之处在于在目标遮挡状态下很容易失效。因此,本文采用Kalman滤波与Mean shift相结合的跟踪算法,当目标遮挡时引入Kalman滤波对目标进行跟踪。该算法利用卡尔曼滤波器进行参数辨识,使发生遮挡后的跟踪系统能够具有后续的状态预测能力,保证了存在遮挡时对目标的正确跟踪,提高了跟踪的可靠性。