目标检测与跟踪技术是计算机视觉研究的热门课题之一,在军事侦查、电视制导、机器人导航、安全检测、交通管理、医疗诊断等众多领域都有着广阔的应用前景。尽管人们对视频目标检测与跟踪进行了较为广泛的研究,并提出了许多有效的检测与跟踪方法,解决了很多难题。但是由于目标检测与跟踪所面临的众多技术难点,目前还没有一个算法可以适应任何情况。所以针对复杂的环境,开发出一套鲁棒的目标检测与跟踪算法是具有重要的实际意义和理论价值。本文在目标检测方面,针对传统算法中帧间差分法只能得到目标的大致轮廓,背景差分法容易受光线变化等情况影响和光流法算法费时和需要特殊硬件支持等缺点,以及在对差分图像的后处理上,数学形态学方法所存在的前景目标轮廓分割不清晰、前景目标容易失真等不足。本文在介绍了图切割原理的基础上,提出了一种基于图切割和阴影抑制的目标检测算法。此算法在HSV高斯背景模型下,应用图切割方法分割运动目标,并使用连通性方法找到最大的前景连接区域,最后使用阴影抑制技术完成目标分割。实验结果表明,应用此算法可以得到更加清晰的目标轮廓边缘,提高目标分割的准确率。在目标跟踪方面,针对Kalman算法只适用于线性系统的不足,由贝叶斯最优估计和蒙特卡罗方法引出粒子滤波算法。并针对粒子滤波的非线性滤波的优点,以及颜色直方图算法具有尺度、旋转不变性和可以处理部分遮挡等优点。提出了一种结合两种算法优点的新算法,就是基于粒子滤波和颜色直方图相结合的目标跟踪算法。此算法以粒子滤波为跟踪框架,并综合考虑了目标的颜色直方图信息,即把颜色信息结合起来计算粒子的权值。实验结果表明,应用此算法可以处理目标部分遮挡、快速运动、目标旋转、尺寸变化,甚至是当目标消失一小会和摄像头移动等情况。