在运动目标的检测和跟踪过程中,外界的干扰和目标本身的变化往往会给运动目标的准确检测和有效跟踪带来影响。本文研究了如何提高运动目标检测和跟踪算法的准确性、鲁棒性与实时性。　　 首先,采用了基于背景减除和混合高斯背景建模相融合的运动目标检测方法,并且融入了阴影检测策略,提高了运动目标检测鲁棒性和实时性。　　 其次,针对目标模型的描述问题采用了多特征融合方法,分别采用梯度方向特征和纹理特征与颜色特征相融合的方法来描述目标模型,提高了跟踪算法的鲁棒性。针对目标尺度变化的问题,采用了基于色调的变尺度跟踪方法,通过目标主色调来进行尺度的计算,提高了跟踪的准确性。采用了选择性目标模型更新的方法,根据特征分量对总体相似度的贡献不同来选择性的对目标进行更新,提高了跟踪的抗干扰能力。采用了简化的粒子滤波方法,使算法在跟踪过程中能够满足实时性的要求。　　 最后,采用了均值偏移和粒子滤波相融合的目标跟踪算法,用少量的粒子对目标进行粗略定位,然后再用均值偏移算法来求取目标的最终位置,结合遮档情况下目标搜索策略,改善了算法的抗干扰能力,提高了跟踪算法的实时性。