图像序列中的运动目标检测与跟踪是数字图象处理和模式识别以及计算机视觉领域研究的主要内容之一。在机器人导航、安全监控系统、医学图象分析和虚拟现实等领域中都有广泛应用。 本文研究与视频运动目标检测有关的一些基础的算法,主要是背景更新算法以及运动目标检测与跟踪算法。本文提出了一种改进的kalman背景更新算法,通过实验对比验证了它的优越性。最后本文深入研究了基于色调直方图的均值偏移算法。 视频中的图像背景可以分为三种情况：一种是简单而且静止的背景；一种是简单小变化的背景；还有一种是复杂变化的背景。本文主要基于前两种情况进行研究。静止背景的情况通常发生在摄像机相对静止状态时,而小变化背景主要是由于运动物体或者光线的改变而引起的变化。背景提取的过程是首先用预处理的方法去除图像噪声,然后再用背景更新算法进行背景提取。加权平均背景更新算法直观简单,易操作,但缺点是更新速度慢,而且不能快速识别已移入背景的物体。用kalman滤波的方法进行背景更新,更新的速度快,效果较好。 对于运动目标跟踪系统,其核心主要包括两个部分：一是运动目标的检测与提取；二是运动目标的跟踪。运动目标的提取是目标跟踪任务中最为关键的部分。如果提取的目标不正确或不完整,将会极大地影响目标跟踪部分的任务,甚至不能进行有效跟踪。在运动目标检测方面,本文介绍了帧差法、背景差法、和光流法,并对各种方法进行了实验分析和比较,指出其优缺点和适用范围。在目标跟踪研究方面,本文深入讨论了均值偏移算法背后深厚的非参数估计理论,详细地进行了算法的推导,讨论其收敛性。 本文的研究为视频分析、智能安全监控、人体行为分析与合成等后续研究,提供了依据和基础。