作为计算机视觉领域的一个重要组成部分,运动目标检测和跟踪近年来引起了学者的广泛关注,并且在该领域取得了长足进步,出现了一些经典的运动目标检测和跟踪算法,但是在实际应用中,还存在着一些亟待解决的问题。本文主要针对运动目标检测和运动目标跟踪两个方面进行研究和讨论,主要工作如下：运动目标检测方面：介绍了光流法、帧差法和背景差分法三中常用的目标检测方法,在分析了这三种检测方法各自的优缺点后,研究了一种基于灰度归类的背景重构的背景差分法,并研究了背景缓慢变化和突然变化两种情况下的背景更新策略,并通过实验对该方法的检测效果进行了验证。运动目标跟踪方面：主要阐述了当前比较流行的Mean Shift目标跟踪算法。该算法选用归一化的颜色直方图作为目标模板,根据Bhattacharyya系数在后续帧中进行迭代搜索目标模型区域。该方法实时性好并且对目标形变具有鲁棒性,但由于单一的颜色直方图建模方式不包含目标的空间信息,使得传统的Mean Shift目标跟踪算法在目标存在遮挡或和背景颜色相近时,跟踪不准确,甚至会导致跟踪失败。针对传统Mean Shift目标跟踪算法存在的不足,将目标的纹理和颜色特征综合起来建立目标模型,并将Kalman滤波器引入到Mean Shift跟踪框架中来。实验表明,改进后的方法可有效解决目标存在遮挡及在复杂背景下跟踪不准确的问题。