对于大多数拥有视觉的生物体来说，运动感知是一项最原始与最基本的视觉功能。这是因为运动感知对于生存的重要作用，具有运动感知能力可以提高生物体在运动时的处境感知能力。同时，运动信息还可以触发视觉注意，因为对于生物体来说，运动目标可能是需要回避的天敌或是送上门的美餐。鉴于运动感知在许多视觉系统中的重要作用，构造具有生物体那样高度发达的运动感知能力的人造系统多年来都是科学家们的梦想。 近年来，由于各国安全意识的增强，国际国内对自主监控系统的需求增加，运动目标检测与跟踪更是得到了科学家们的广泛关注。本文主要针对航空智能视频监控系统中的独立运动目标检测与跟踪部分展开研究。对于独立运动目标检测，首先估算由于摄像机引起的全局运动；在补偿掉全局运动之后，独立运动目标检测转变为静背景下的运动目标检测，综合运用显著性目标提取和分割方法检测独立运动目标；对于独立运动目标跟踪，可以认为是一种模板匹配算法，通过选择合适的特征，然后对这些特征建模，再利用匹配跟踪。论文主要完成的工作和贡献有： 研究了基于鲁棒统计的全局运动估算方法。考虑到全局运动估算在整个运动目标检测与跟踪中的重要作用，以及实时性与准确性要求，采用了基于特征点跟踪方法。对于从跟踪到的特征点中恢复全局运动参数是一个参数估计问题，提出了一种基于特征点跟踪的鲁棒全局运动估算方法。试验表明：对于利用特征点跟踪方法跟踪一系列特征点，再利用基于鲁棒统计的两步法估计运动参数的方法不但计算速度快，算法简单，而且精度高，非常适用于视频监控的全局运动估计。 研究了独立运动目标检测与分割。对于经过全局运动补偿后所得剩余运动中的独立运动目标的检测与分割，针对简单差分阈值法的不足，利用法向光流与时间积分方法来改善独立运动目标检测的效果。对于多目标检测与分割，提出了基于标记分水岭算法的连接物体分割与基于属性形态学的连接物体分割方法；对于基于沉浸模拟的独立运动目标检测与分割方法，提出了利用自适应阈值方法来确定沉浸模拟的深度，并通过删除已被融合的局部显著点的形态属性来更好地检测与分割独立运动目标。 对目标跟踪算法进行了综述，然后重点研究了均值平移跟踪算法。跟踪算法的选择可以归结于选取目标形状表示、特征选择与对于特征的建模。在均值平移跟踪算法框架下，研究了经典的均值平移跟踪算法各模块的不足，并分别予以完善；提出了利用前面所得全局运动参数来初始化目标初始位置的方法，从而使得