运动物体的检测与跟踪一直是计算机视觉领域的一个核心问题。在许多方面有着广泛的应用前景。如何提高视频处理的智能化程度、扩展其应用范围、提高其系统的性能已经成为研究和应用领域的一个热点。针对运动物体的检测和跟踪，目前已经提出了数量相当的算法，并且已经有实际系统运行于交通环境之中。然而，目前大部分的视频检测跟踪算法只能在光照条件良好、道路路况正常的情况下取得较好的检测跟踪效果，而在复杂条件，诸如光照变化、阴影干扰、遮挡干扰等情况下，系统性能下降迅速。因此本论文着眼于此，针对视频应用中遇到的光照变化、阴影及遮挡等复杂条件，深入系统的进行了运动目标检测和跟踪的研究。　　 首先，研究了消除噪声，克服光照变化等预处理。在评述了常用预处理方法与技术的基础上，对现有算法进行了改进。一个是基于边缘检测和小波变换的图像去噪算法；另一个是一种检测光照变化的方法，通过将光照变化因子引入背景模型，判断光照类型为缓慢变化或快速变化，针对不同情况采用不同的处理方法消除光照变化的影响。　　 其次，研究了阴影条件下运动目标检测方法。对现有的各种阴影检测算法进行调研，在对颜色、纹理等各种特征进行深入调研的基础上，提出了基于颜色和纹理特征的阴影检测新方法。将颜色检测的快速性和纹理检测的准确性结合起来，对不同的阴影区域分析纹理复杂度，以最大程度消除阴影的干扰。　　 再次，针对视频跟踪过程中的遮挡问题。提出了两种跟踪方法并进行实验对照。首先采用了基于角点检测的图像金字塔光流方法实现了对交通视频图像中运动目标的跟踪。其次，采用了基于区域团块匹配的卡尔曼滤波方法，并针对遮挡情况进行专门的分析，对部分遮挡和全部遮挡情况分别提出了有效的解决方案。　　 最后，具体讨论了实验系统算法的主要功能、评估方法及适用范围。实验结果表明本文所提出的算法具有一定的实用价值。