在计算机视觉研究领域中运动物体检测跟踪已成为了一个热点问题。视频监控中运动物体跟踪如何避免受到目标变化、场景复杂、发生变形等因素的干扰，实现目标识别、目标行为分析、报警等后续工作，都是需要关注和研究的重要问题。本文针对目标检测与跟踪算法中所存在的主要问题进行了研究，主要研究内容如下：在目标检测方面，首先比较分析了常用的几种运动目标检测方法，通过实验证明常见的几种运动目标检测方法易受亮度和噪声的影响，并可能出现虚假目标的情况，对运动目标检测系统的实用性产生严重影响。针对这个缺陷，本文提出了一种在视频序列中结合帧间差分法和背景减除法的运动目标识别算法。该算法利用帧间差分法得到当前帧中运动目标的信息，结合背景减除法中所提取的背景图像，通过多帧差分和交集运算及阈值分割处理，更好地实现视频序列中运动目标的识别，从而提高了运动目标检测系统的实用性和精确度。在目标跟踪方面，首先对Kalman滤波的原理及实现进行了分析研究，结合本文提出的改进背景减除法对运动目标识别进行了相关实验，证明了Kalman滤波在视频图像监控中运动目标预测方面有良好的改善作用。研究了基于MeanShift的目标跟踪方法，及以MeanShift方法为基础的Camshift跟踪算法，针对Camshift算法对快速运动目标跟踪时效果不理想的情况，本文利用卡尔曼线性滤波器对视频图像下一帧的目标位置进行预测，以解决原算法中运动目标易丢失的问题。Camshift算法跟踪迭代起始点位置经过改进以后，使其更接近运动目标实际位置，由于缩小了搜索范围，算法迭代的次数也相应减少，从而提高了跟踪的效率以及跟踪的精确度，并且目标跟踪系统的稳定可靠程度得到了很大的提高。本文通过仿真实验对提出的改进改进算法进行验证，结果证明了本文提出的算法在实际应用中的有效性，并能够得到较好地检测和跟踪运动目标的效果。