人体运动目标的检测与跟踪是人体运动视觉分析的重要内容，也是计算机视觉研究的重要领域之一。在智能安全监控、高级人机交互、人体运动细节分析等方面有着广泛的应用前景和极大的经济价值。包含运动人体的图像序列的形成可基于以下两种情况:一种是静态背景环境，一种是动态背景环境。本文重点研究了静态背景下视频图像序列中人体运动目标的检测识别与跟踪。在人体运动目标检测阶段，首先对当前常用的运动目标检测算法进行研究。综合考虑它们的优缺点以及适用场合，本文采用基于自适应混合高斯背景模型的背景减除法进行目标的检测。首先是对读取的视频图像进行去噪平滑处理，然后采用上述提出的方法进行运动目标的提取并进行阴影的去除，对于前景区域的空洞采用形态学滤波的方法消除，再对得到的二值图像进行连通域分析，得到连通区域的个数和面积，最后采用区域的面积比以及人体高宽比的特征进行人体分类识别。经实验证明，该算法流程检测效果良好，具有很好的鲁棒性。在人体运动目标跟踪方面，本文先介绍了几种常用的运动目标跟踪方法，然后重点研究了卡尔曼滤波跟踪方法和基于Camshift算法的跟踪方法。基于卡尔曼滤波的跟踪是利用目标的运动信息，而Camshift算法是利用目标本身的颜色特征实现跟踪。在此基础上本文提出一种基于Camshift算法和Kalman滤波器相结合的跟踪算法，综合考虑目标的色彩信息和运动信息，成功解决了与目标具有相似颜色的背景或其他目标对跟踪的干扰问题以及目标的遮挡问题，实验结果证明两者结合的算法既缩短了搜索匹配的时间，又提高了跟踪精度，具有良好的跟踪效果。