全景视觉自从被人们研究以来,便在计算机视觉领域有了长足的发展;而运动目标的检测和跟踪也是计算机视觉领域非常活跃的一个课题。这两项技术都在智能机器人和智能化武器中有广泛的应用,这两项技术的结合更能为其应用提供更加广泛的应用前景。本文主要研究基于折反射全景视觉的运动目标检测与跟踪,并针对不同运动检测和目标跟踪算法在全景中的应用提出了改进算法。首先研究了全景视觉的成像原理,为了克服全景图像畸变对目标检测和跟踪的影响,从几何原理出发对全景图像进行柱面解算,这种方法可以获得360度的图像;为了对局部进行重点监控,研究了基于坐标变换的透视解算算法。对常用的运动目标检测算法进行了研究。帧间差分算法操作简单,速度较快,可以满足实时性的要求,但对背景要求较高,对光线、天气等光照条件的变化非常敏感。然后介绍了光流法的理论,但光流计算复杂,不能满足实时性要求。并用帧间差分算法对全景图像柱面展丌中的运动目标进行了检测。基于相关的跟踪算法在运动目标跟踪上一直应用广泛。普通模板匹配算法运算速度慢,对模板变化敏感,不适合实时跟踪。于是发展出了SSDA算法,提高了运算速度,并在经典算法的基础上提出了改进。基于MCD距离的模板更新解决了模板固定的问题。并将模板匹配和SSDA应用于全景图像柱面解算的目标跟踪。Mean-Shift算法是基于颜色的目标跟踪算法。此算法计算量小,又要能适应目标和背景的复杂变化,不仅能满足实时性的要求,而且跟踪效率高。且针对其在目标与背景颜色相近或有相近颜色干扰情况下,容易丢失目标的缺点提出了考虑背景色和色彩自适应融合的方法来提高跟踪精度。由于其对目标模板要求较低,直接应用于全景图像的跟踪。