近些年来,随着人工智能的进步,目标检测与运动分析备受视觉领域研究工作者们的关注。传统的视频监控一般只包含运动目标的检测和跟踪,已不能满足现阶段应用发展的需求。本文的研究内容是一种基于多摄像头网络目标检测与运动分析的系统,其主要内容包括:目标运动分割,单摄像头和多摄像头的目标跟踪,以及轨迹聚类和建模分析。首先,针对不同光照强度及变化和侧面光照场景存在阴影的问题,本文研究了一种基于交互信息的仿生视觉目标的运动分割方法。该方法的原理是基于像素的前景分割,利用近期研究的生物视觉的传统模型,建立了计算机视觉的仿生目标运动分割模型。模型主要包括三个分层:初级处理层,实现对图像去除噪声等初步处理;通路层,完成图像在各不同功能模块的独立处理;视觉层,最终实现各通路交互信息的汇总输出。其次,针对存在切换情况时主视域图像序列目标跟踪问题,建立了多摄像头环境的跟踪系统。首先选定视域最优的主摄像头,得到主视域图像序列,通过一种基于HSV颜色特征的WLMC算法跟踪目标,其次计算目标重心的坐标,得到图像平面目标运动轨迹,然后利用相机标定技术,获得图像平面与地平面的对应关系,最后利用多视域数据融合,确定跟踪对象实际的运动轨迹。最后,学习了一种运动目标轨迹的聚类和建模分析方法。本文研究的运动对象为目标人,针对在日常生活中人们的行走通常不是随机而是有规律的运动问题,首先使用K-means算法对跟踪轨迹集合进行聚类,得到其运动模式,然后使用GMM模型学习目标的运动模式,并对当前运动的所属模式进行判断。