运动人体的检测与跟踪不仅是运动分析和行为识别的重要内容,也是计算机视觉的研究重点之一。它在智能安全监控、高级人机接口、运动分析等方面有着广泛的应用前景和经济价值。本文基于《轨道交通监控系统的嵌入式技术应用研究(项目编号:06DZ15003)》这一课题,从无主包裹的检测和跟踪需求出发,在简述运动人体的检测和跟踪技术并分析相关检测和跟踪算法的优缺点的基础上,提出了相应的改进方法,研究了各改进算法的效果,并构建了一个运动人体检测与跟踪的原型系统,完成了从目标检测到目标跟踪以及最终的行为识别等功能。本文的主要工作如下:(1)针对固定监控场景中背景的复杂性、光照的时变性、阴影等问题,本文重点研究了利用高斯模型来建立背景模型,并且通过设定更新参数,将固定的背景模型转变成可以根据环境变化进行动态地更新,一方面使得运动目标的检测可以更加准确,另一方面也降低了前景被误检为背景的概率。(2)在用帧差法检测运动目标时,由于检测到的运动目标不完整,因此采用基于OpenCV的帧差法来提取运动目标,从而保持目标的完整性。另外在具体分析背景减法和光流法各自的优缺点之后,提出一种新的结合背景减法和光流法的运动人体检测方法。(3)结合无主包裹的应用需求,在包裹和人体检测、跟踪和识别上,一方面尝试采用模板匹配法来进行检测,并且根据匹配度来精确检测目标,同时提出采用多模板匹配来实现实时的跟踪,多模板的选取可以减少模板更新的环节,从而大大减少了计算量。另一方面在运动目标的实时跟踪方面,采用经典的卡尔曼滤波器对目标位置进行实时的预测和更新。(4)本文建立了一套基于OpenCV的原型系统,涉及视频的读取、目标检测、目标跟踪定位、行为识别等模块。