目标识别与跟踪是计算机视觉、图像处理与模式识别领域中非常活跃的课题。当前对运动目标检测与跟踪的研究已取得了一定的成绩，但由于运动目标经常处于室外多样的自然环境中，因而如何从复杂背景中检测和跟踪运动目标，且能满足实时处理的要求，仍是本领域研究的热点。本文探讨了复杂背景下运动目标的检测和运动目标的跟踪方法。在对光流法、帧差法和背景减法的运动检测技术研究的基础上，本文提出了一种基于统计降噪原理的运动目标背景提取方法，与其它获取图像背景的方法相比较，此方法可同时完成背景的获取和更新。将本方法与比特层异或的检测方法相结合，实现了运动目标的快速分割和检测。实验表明，这种目标检测方法，降低了噪声和光照的影响，且算法简单，具有较好的检测效果和较高的效率。针对目标跟踪，本文探讨了卡尔曼预测的方法。根据系统的要求，确定了卡尔曼预测的参数，并由此确定了具有预测稳定性的系统状态向量、状态转移矩阵和观测矩阵。分析了采用卡尔曼预测进行目标跟踪引起的误差、估计了运动轨迹和搜索范围。实验验证了跟踪模型的有效性。