运动目标的检测和跟踪是计算机视觉领域的热门课题,也是智能视频监控系统中最基本、应用最广的智能分析技术,具有十分重要的理论意义和使用价值。论文主要研究了基于视频序列的目标检测和跟踪算法,并对常用的检测与跟踪算法做了进一步的改进与完善。在运动目标检测方面,本文使用背景减除法检测运动目标。背景提取和背景更新选择的是速度较快的Surrender方法。为了解决建立背景过程中目标检测问题,在背景提取期间,采用帧差法检测目标。在获取背景后,使用背景减除法检测运动目标,并采用Surrender算法进行背景更新。在运动目标跟踪方面,本文深入研究了Mean Shift算法和Cam Shift跟踪算法,并进一步比较分析了两种算法的优点和局限性。对于一种能继承Mean Shift算法的速度快和鲁棒性强的特点,又能实现跟踪窗的自适应变化的算法研究是本论文的重点。其中,判断跟踪目标的变化趋势是解决此问题的关键。为此,本文引入了活动轮廓模型,利用Mean Shift算法中的跟踪窗作为活动轮廓模型的轮廓初始化,既能解决活动轮廓模型初始化的关键问题,又能分割出正在跟踪的目标区域。本文在Mean Shift跟踪算法中连续分割目标区域,通过比较得到目标区域的变化趋势,进而实现了跟踪窗的自适应变化。实验证明,基于活动轮廓的Mean Shift核窗宽自适应算法可以很好实现跟踪窗随目标尺度的变化而相应改变,这种变化既适合目标变小的情景,也适合目标增大超出跟踪窗的情况,且较之Cam Shift跟踪算法有很好的鲁棒性。