计算机视觉技术在过去二十多年里开始取得了飞速的发展,而运动目标的检测与跟踪作为视频图像技术中的重要的组成部分吸引了越来越多的学者参与其中并开展广泛的科研工作,取得了丰硕的研究成果。运动目标的检测与跟踪技术现已被大量地应用在医学图像分析、人工智能机器、视频监控以及军事等诸多方面。随着其应用的范围的不断扩大,提高其对复杂环境因素的鲁棒性以及检测跟踪算法的精确性就成为了当前该领域内的研究重点。本文首先介绍了目前一些传统的检测与跟踪方法,并对它们各自优势以及劣势加以阐述。在检测算法方面运用一种VIBE以及时空轨迹谱聚类分割结合的检测算法。通过VIBE算法得到的目标模型信息再与时空轨迹的时空信息相结合,综合两种信息可以更好的检测出运动目标。在某种程度上该算法又是一种目标检测与跟踪的联合算法,在对目标检测的同时也实现了对目标的跟踪,而跟踪的结果又会修正检测的结果,提高了检测精度的同时减少了漏检测、误检测等情况。目标跟踪方面,提出了一种基于求解最大权值独立集的数据关联算法,用于完成对目标检测结果的匹配连接从而完成跟踪。通过对帧间目标检测结果之间进行相似性度量,进而根据度量关系对目标检测片段加权,权值最大的一组独立集即是所求的结果。通过将权值优化和改良,得到了较好的实验结果。实验表明,本文的算法,无论是在标准测试集上还是在自行录制的视频测试集中,相比其他算法,均有着更好的跟踪效果。最后通过实验证明了本文方法无论在标准测试集上还是自行录制的视频测试集上,均有着较好的检测与跟踪效果。