运动目标检测与跟踪作为计算机视觉领域的关键技术，已广泛应用于人机交互、交通安全、视频监控、公共安全管理和军事装备等多个领域。本文在对运动目标检测与跟踪算法进行研究的基础上，提出了一些改进方法，并通过实验验证了改进方法的有效性和稳定性。本文主要工作如下:　　运动目标检测方面，在深入研究现有运动目标检测方法的基础上，提出基于全局运动补偿和图像显著性相结合的目标检测算法，根据图像分割及图像特征点提取结果对场景进行自动判别，然后在不同场景中采用不同的方法检测感兴趣目标。本文采用的基于全局运动补偿的方法是提取相邻三帧图像的SIFT特征点进行匹配;根据Mean Shift算法进行聚类选取背景特征点，估计背景运动参数进行运动补偿;将当前帧图像与运动补偿后得到两幅背景图像分别进行差分、然后相乘，阈值化后得到运动目标区域。基于图像显著性的目标检测方法首先对图像进行预处理，提高目标与背景对比度，利用图像频谱残差得到显著目标候选区域，然后在目标候选区域内进行显著性检测，最后对得到的显著性图进行二值分割提取显著目标。单帧检测结果容易出现虚警、漏检等问题，为提高目标检测结果的准确性，对多帧检测结果进行聚类分析，得到准确的目标模板，对目标跟踪过程进行初始化。　　运动目标跟踪方面，研究了几种不同的目标跟踪算法，特别是近几年提出的几个较有代表性且具有较好跟踪性能的目标跟踪算法。在研究了多种目标跟踪算法的基础上，对TLD目标跟踪算法进行了深入研究。为实现多目标跟踪，对TLD目标跟踪算法进行改进。通过使每个目标拥有一个正样本集合，多个目标共用一个负样本集合，实现检测模块分类器的训练和分类。　　本课题依托课题组某型无人机光电吊舱预研项目，为运动目标自动检测与跟踪提供了基础，具有重要的理论和应用价值。