在人们感知到的环境信息中，视觉信息占了很大的比重，其中动态视觉信息是其主要组成部分。感知环境中的这些动态视觉信息已成为计算机视觉的一个重要研究方向。运动目标检测与跟踪是应用视觉研究领域的一个重要课题，在许多邻域有着广泛的应用。运动目标检测与跟踪的研究对象是视频序列，或者说是图像序列。运动目标检测就是判断视频序列中是否存在运动目标，并确定运动目标的位置、尺寸和形状等。本文在总结和分析现有运动目标检测与跟踪方法的基础上，重点研究静止背景下运动目标检测和跟踪技术。因此本课题主要研究在静态背景下的运动目标检测跟踪，然而各类运动目标检测跟踪算法均有其局部优越性和应用局限性，所以本课题将对比动态目标检测的几种典型方法，并在对算法进行深入分析和比较的基础上，对各种算法的优缺点加以总结，重点研究了各种差分法，结果表明对于帧间差分算法实现运动目标检测复杂度低，检测速度快，易于实现实时监控，并根据目标检测的具体应用环境，分析了一种联合多帧的动态背景更新方法。目标的分割，目前普遍使用的边缘检测是针对灰度图像的，为了利用图像的颜色信息，本文使用了基于梯度极值的彩色图像边缘检测技术。在目标跟踪阶段，本算法采用了mean-shift与活动轮廓相结合的方法。首先用活动轮廓模型将目标的准确轮廓拟合出来，同时也把目标区域定位出来，然后用mean-shift对该目标区域进行跟踪。通过实验验证了本文提所提出的差分法一般能够提供最完全的特征数据，综合性能较好。