在科技快速发展的今天，计算机视觉已经应用到了生活的方方面面。在这一领域中的运动目标检测与跟踪技术更是一项重要的研究课题。国内外众多的学者在这一领域做了大量的研究，涌现出了很多优秀的算法。但是这些算法大多要限定一些特定的条件，如纯净背景，无遮挡，颜色分明等。而要想在较为真实的环境中对视频序列中的运动目标进行检测，并且实现较为稳定的跟踪效果，仍然是极具挑战的课题。针对目前存在问题，本文将研究自适应的运动目标检测与跟踪方法，研究内容主要如下:　　在运动目标检测方面，以背景差分算法作为基础，重点研究背景建模这一核心内容。在实际场景中背景有的简单有的复杂，并且不是一成不变的，而且背景中随时会有干扰产生，如果背景模型不能适应场景的变化那么就会造成性能浪费或者检测失败。在考虑背景建模的精确度和算法复杂度的前提下，提出一种采用单高斯和混合高斯双模型结合的自适应背景建模方法。　　在运动目标跟踪方面，首先介绍基本的运动目标跟踪方法，针对传统的Mean-Shift跟踪算法的不足，重点研究Camshift目标跟踪算法。以目标检测算法得到的前景目标为基础，解决了初始目标手动选取的不足。为了克服目标跟踪过程中常出现的目标运动过快或者目标遇到颜色相近的背景干扰问题，提出一种融合Kalman滤波的改进Camshift算法。通过计算跟踪结果与目标模型的Bhattacharyya系数来自适应的判断跟踪是否准确，在跟踪产生误差时以Kalman滤波器的预测结果来修正Camshift的跟踪结果，能够大大改善跟踪效果提高算法的鲁棒性能。