变化背景指的是视频图像序列中目标的背景是动态的、可变的。传统的目标检测与跟踪系统中，背景相对静止或者背景变化但较为简单，仅作为噪声来处理，而现实情况中背景变化对目标检测和跟踪的影响是不可忽略的，传统的方法甚至可能造成目标的丢失。变化背景目标检测与跟踪技术的研究是计算机视觉领域中较为热门基础的课题之一，也是非常具有挑战性的课题，在现实生活中具有重要的实践意义和理论价值，同时，在工业、国防等领域也有着较为广阔的应用前景。本论文将研究课题分为目标检测和目标跟踪两个部分，先对几种具有代表性的目标检测算法进行理论分析，重点研究了AdaBoost检测算法，并针对现实情况的要求，对AdaBoost算法的参数的遍历范围进行了限定，同时使窗口比例缩放系数能够自适应调整。实验结果表明，本论文所采用算法具有较高的精度和实时性，能快速准确地检测到目标。在目标跟踪部分，论文对若干种主流目标跟踪算法进行理论分析和对比，最终选用粒子滤波算法对检测阶段得到的目标进行跟踪。为了保证较强的鲁棒性，使用了多特征融合的粒子滤波方法；为应对粒子退化问题，引入Mean Shift算法，发挥其聚类作用，限制粒子的数量，同时也达到了较好的跟踪效果。本论文研究设计的目标检测与跟踪系统的适用范围较广，可用于各类刚体和非刚体目标，例如人脸、人体、车辆及飞行物等，由于篇幅所限，本论文仅以最热门的人脸和人造物体作为实验对象进行了研究，其他各类目标亦同。本论文最后将目标检测和目标跟踪技术进行整合，完成了一套变化背景下的目标检测与跟踪系统的设计，具有一定的理论意义和实用参考价值。