运动目标检测与跟踪是计算机视觉研究的主要问题之一,它融合了图像处理、模式识别、自动控制、人工智能以及计算机等许多领域的先进技术,在军事视觉制导、视频监控、医疗诊断、智能交通等方面都有广泛应用,因此本课题研究具有重要的理论意义和实际价值。运动目标检测与跟踪的研究对象是视频序列,或者说图像序列。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。运动目标跟踪是指在整个视频序列中监控运动目标的时空变化,如目标的位置、尺寸和形状等。运动目标的检测与跟踪是紧密关联的两个过程,跟踪始于检测。由于光照变化、背景干扰等现象的存在,都给运动目标的正确检测与跟踪带来了极大的挑战。本文分析了目标检测的常用方法,结合各种方法的优缺点,提出将背景减除与时间差分方法结合的检测目标方法,提高了目标检测准确性。并针对背景图像会随着时间和环境变化的特点,进行背景建模并实时的更新背景模型。待对运动目标粗提取之后,课题还对运动目标阴影去除、贴标签、连通域分析、形态学滤波等过程做出了细致研究,取得了不错的精提取效果。在运动目标跟踪阶段,本文根据目标的运动特点,相邻帧间的目标运动和相邻两帧间的场景变化都非常小,对下一帧中目标位置做运动估计,在估计得到的最优匹配位置的邻域内进行搜索以减少计算量。故利用卡尔曼滤波跟踪算法跟踪运动目标的质心,利用检测值逐帧更新。同时为了丰富跟踪手段和降低跟踪阶段对检测的依赖性,本文研究了基于颜色信息的均值偏移算法。并且本文从两个侧面将meanshift算法同kalman滤波算法相结合。为适应更多的现实状况,本文研究了适用于非线性、非高斯的粒子滤波算法,并改进了粒子滤波的重采样算法部分。同样汲取meanshift算法的精华,综合了颜色信息和位置信息,实验中对不同信息分配权值,取得了不错的跟踪效果。最后,研究了多目标跟踪的处理方案,并设置参数以判断新目标的出现和旧目标的消失。