随着计算机硬件和软件的不断进步和发展,计算机视觉已经得到越来越广泛的应用,在视频监控、机器人控制、自动驾驶、航空航天等领域有着非常重要的作用。在计算机视觉中,运动目标的检测与跟踪是最基础最重要的技术之一,尽管很多学者对运动目标的检测与跟踪做了大量的研究,但是该领域依然存在许多问题。本文在研究一些常用的目标检测与跟踪算法的基础上,对其中某些算法进行了改进,并通过实验得到了理想的结果：(1)在目标检测方面,针对高斯混合模型法提取的背景更新缓慢、计算量大的缺点,提出了一种统计直方图和像素差法相结合的方法对其进行改进：首先使用统计直方图法获得候选背景并为背景更新提供参数；然后通过像素差利用迭代法计算高斯混合模型的学习参数；最后通过结果证明改进的算法能够准确的提取出背景,并能够保证系统的实时性。(2)在目标跟踪方面,本文主要围绕单目标的跟踪和多目标的跟踪两个部分进行研究。在单目标的跟踪中,利用搜索窗口的形心和速度建立Kalman滤波模型对Camshift算法进行改进,可以解决传统算法在目标与背景色调相似的情况下丢失目标的问题。在多目标的跟踪中,首先利用改进的高斯混合模型法提取和更新背景,其次利用期望最大化法对目标进行快速建模和模型更新,然后通过数据相关性和遮挡推断解决了目标遮挡的问题,最后通过实验证明了该方法的有效性和准确性。