作为计算机视觉领域研究的热点技术之一,视频目标跟踪正被广泛地应用到科学技术、航空航天、国防建设、医药卫生以及国民经济的各个领域,有着重大的实用价值和广阔发展前景。在实际生活中,运动目标所处的环境是不断变化的,例如光照的变化、目标的形变及目标的遮挡等情况,这些因素都给运动目标跟踪提出了强大的挑战。本文主要分为运动目标检测与运动目标跟踪两个部分。运动目标检测就是将运动目标的图像从序列图像中提取出来,为后续的运动目标跟踪匹配奠定基础；运动目标跟踪的目的主要是确定序列图像中运动目标的精确位置。在运动目标检测方面,首先,介绍了运动目标检测的发展状况及运动目标检测的常用算法,包括光流法、帧间差分法和背景差分法,并分析了算法的优点及不足。然后在对背景差分法分析的基础之上,提出了一种基于形态学的背景差分法。在背景差分法中,从序列图像中提取出的背景图像是至关重要的。在背景图像的提取过程中,首先对相邻两帧图像做差分处理,然后将差分后的图像进行二值化处理,为了避免二值化图像中孔洞现象对于结果的影响,选择形态学的方法对二值化的差分图像进行填充处理,将检测到的背景区域的像素值更新到背景图像中,从而得到理想的背景图像。再对图像做背景差分处理,可以从得到的图像中确定运动区域。根据此算法能够输出运动目标的外接矩形框,进而得到输出的图像,为后续的运动目标匹配工作打好基础。在运动目标跟踪方面,为了描述多个运动目标复杂的运动状态,首先将复杂的多目标运动状态划分为五种基本运动状态,以便于后续的处理。其次,选择提取目标的四个特征,即运动目标的在图像中所占面积、目标的色彩均值、目标外接矩形框的几何中心以及目标外接矩形框的宽高比,并创新性地将四个特征拟合为一个度量函数。在度量函数中,四个特征的特征融合系数能够根据特征在目标匹配中贡献大小自适应地调整。通过定义的度量函数和设定的阈值进行目标匹配。再次,将卡尔曼滤波的原理应用于运动目标被遮挡时目标位置的预测,从而使得有遮挡状况出现时,仍能在遮挡结束后继续跟踪目标。最后,给出了多运动目标跟踪的仿真实验结果。