随着当今科技的快速稳定发展，计算机视觉领域也获得了迅猛的进步，目标的检测与跟踪作为该领域的研究重点，其对社会的应用价值正逐步体现出。关于动态背景下目标检测技术，工程中更多的应用背景减法技术，而该技术的难点就是背景的提取，本文针对常用的视频序列，提出了一种自适应强且鲁棒性较好的的背景提取算法，在本文的第三章节有具体介绍，通过实验可以发现，该算法的有效性和优越性。而在静态背景下的目标检测中，需要更多的精力来研究图像中的纹理特征，基于此，通过大量的学习与研究，本文在第四章提出了改进形态学滤波器的目标检测算法，同时在对细小噪声这类的去除上，提出了相应的去噪算法，通过实验可以发现，该算法优越于传统的背景减法，且处理效果能够达到工程应用的要求。在实际工程应用中，运动目标的跟踪技术得到了很多的关注，对于复杂的背景中存在的目标与背景颜色纹理特征相似而带来的误跟踪问题，本文作者做了一定程度的研究，改进了经典的mean-shift算法，提出了一种融合特征的改进mean-shift算法，实验结果可证明，与传统方法相比，该算法能够解决干扰问题，且算法的鲁棒性强，实时性也能满足工程需求。