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。本文主要围绕运动目标检测和运动目标跟踪两个方面展开研究,并就运动目标检测跟踪在智能交通方面的应用进行了具体介绍。运动目标检测方面,研究了静态背景下常用的运动目标检测算法。运动目标跟踪方面主要研究了常用的跟踪方法和基于均值漂移的目标跟踪算法,并且针对其存在的问题提出了有效的改进算法。本文结合运动目标检测跟踪在智能交通方面的应用,给出了系统设计总体结构,并利用VC++开发工具和OPENCV函数类库,实现了基于Camshift算法的视频图像动态跟踪,给出了程序代码及实验结果。静态背景下的运动目标检测方面,对运动目标检测的技术作了较为系统的归纳总结,介绍了各种运动目标检测方法,主要介绍了相邻帧差法、光流法、背景消减法,分析比较了各种方法的优缺点,最后研究了阴影检测与去除的方法。运动目标跟踪方面,介绍了运动目标跟踪方法的分类及几种常用跟踪方法,并重点研究了颜色特征提取及形状特征的提取。研究了均值漂移跟踪算法,针对均值漂移算法在目标跟踪过程中没有考虑目标实际的宏观运动,在严重干扰情况下容易跟踪失败的问题,提出了结合目标位置预测的改进的均值漂移算法。算法对跟踪过程中的干扰进行检测,根据目标所受干扰的强弱,采用不同的比例因子将Kalman滤波预测结果与均值漂移算法得到的跟踪结果进行线性组合,改进算法有效利用了目标的空间位置信息,提高了跟踪的可靠性。在均值漂移算法基础上,研究了连续自适应均值漂移(CamShift)算法,该算法在跟踪过程中能够自适应地调节跟踪窗口的的大小,并给出了CamShift算法的搜索过程和实现步骤。在智能交通的应用方面,与传统的车辆检测器相比,基于视频图像处理与视觉技术的车辆检测跟踪具有处理速度快、安装维护便捷且费用较低、可监视范围广、可获取更多种类的交通参数等诸多优点,因而近年来在智能交通系统中得到了越来越广泛的应用。针对摄像头拍摄得到的交通视频图像,人们提出了很多视频图像处理和分析技术,其中最基本的研究领域就是交通场景中车辆对象的检测与跟踪。本文给出运动车辆实时检测跟踪实验的系统设计总体结构,并使用VisualC++ 6.0和OPENCV图像处理和计算机视觉函数库进行CamShift算法的实现,给出了程序代码及实验结果。