计算机视觉越来越受到人们的重视，尤其美国911 恐怖事件之后，全球对安全问题投入极大关注。将计算机视觉技术应用在重要场合监控中，利用计算机视觉来提高监控系统的智能化，能够打击恐怖主义，及时发现抢劫犯罪等危险情况。视频图像中运动人体检测与跟踪技术是本文的关键，也是计算机视觉技术研究中的一个热点与难点，本文从这两个方面的应用出发展开研究。　　 本文主要研究静止背景下运动人体的检测与跟踪算法。提出背景减法与帧间差分相结合方法来检测运动人体，采用卡尔曼滤波及Mean Shift 算法跟踪运动人体，对由摄像头采集和采集卡采集的彩色图像序列进行处理与分析，经过实验，能够检测与跟踪运动人体。　　 在运动人体检测部分，采用帧间差分方法来初始化背景，采用背景减法来检测运动人体区域，将两种算法结合能够很好的检测出运动人体区域。采用高斯模型建立背景模型，适应天气变化、光照条件变化、背景干扰等，运算速度快，能够用于实时检测。首先在RGB、YUV、HSV 颜色空间进行运动人体区域检测，然后运用图像滤波及数学形态学方法对提取到的运动人体区域进行完善。　　 运动人体跟踪部分，建立了Kalman 滤波运动人体跟踪模型，利用Kalman 滤波对运动人体质心进行位置预测，用均值平移法在Kalman 预测人体质心邻域内搜索目标所在实际位置，将运动人体的空间信息与颜色信息相结合，实验表明，这种方法能够在人体出现遮挡及快速运动时具有很好的跟踪效果，在人体进行正常行走时这种方法更好的解决了自转及平移的难点，跟踪精度高，迭代次数少。　　 分别在室内和室外进行实验，室内对单人和多人跟踪很准确，而且跟踪快速运动人体效果也是较好的；室外对环境变化及背景变化都具有很好的适应性，取得了较好的实验结果。