运动目标检测与跟踪技术一直是图像处理和计算机视觉领域的重要研究课题。近年来,随着多媒体技术的迅猛发展及计算机性能的不断提高,各种视频图像的应用越来越广泛。视频图像序列中运动目标的检测与跟踪技术也日益受到人们的青睐,得到了广泛的应用。例如,在人工智能系统中,要对运动目标进行跟踪识别;在智能交通系统中,要求对运动中的车辆进行监控等。本文研究了水道安全智能视频监控系统中的运动船只检测与跟踪方法。常用的运动目标跟踪方法大致可以分为两类:(1)基于运动目标区域特征的跟踪方法,(2)基于目标轮廓特征的跟踪方法。基于主动轮廓线模型的跟踪方法属于第(2)类,即它是基于目标轮廓特征的跟踪方法。这个方法能减少计算复杂性。主动轮廓线模型又称为Snake模型,是一条可变形的闭合连续曲线及其能量函数的总称。曲线的形状和位置由内部力和外部力控制。内部力使得曲线的形状趋于光滑,外部力引导主动轮廓线向图像的特征移动。主动轮廓线模型由Kass等人于1987年首次提出之后,许多研究者对该模型进行了改进,并将其应用于计算机视觉研究的许多领域中,如静态图像的边缘检测、图像分割以及图像序列中运动目标的跟踪等。但是,主动轮廓线的初始位置大都是由人工手工选取的,这样使得主动轮廓线模型在运动目标跟踪中的应用受到很大的限制。目前本课题研究的是固定水道内基于视频图像序列的运动目标跟踪技术,基于视频图像的水上运动目标跟踪需要综合考虑波动、水面反光等因素的影响。本文将主动轮廓线模型与目标的运动信息相结合进行运动目标的跟踪,提出了一种基于目标二值图像的初始轮廓线自动选取方法,增强了主动轮廓线模型在运动目标跟踪中的实用性,并将基于主动轮廓线模型的跟踪方法用于单个、多个运动目标的跟踪。论文内容主要按照以下各章进行展开:首先在引言中阐述了面向交通应用的数字视频序列运动目标检测与跟踪的研究意义及本文的选题背景;总结运动目标检测、提取及跟踪领域的研究现状,并指出所存在的问题。在第二章主要介绍了主动轮廓线模型在计算机视觉与图像处理中的应用、改进的主动轮廓线模、主动轮廓线的能量函数的定义等。然后利用贪心算法求能量函数的最小化。在第三章中提出了一种视频序列运动目标检测与跟踪方法,研究了摄像机静止情况下的运动目标跟踪技术,使用背景消去法进行运动目标的检测。首先使用若干帧没有运动目标的图像对各个像素点建立混合高斯背景模型,然后使用建立的背景模型进行运动目标的检测。使用检测到的目标在进入监控区的若干帧中的位移量来对目标的运动速度作出估计。基于检测到的目标的二值图像,提出了一种初始轮廓线的自动选取算法,得到目标的轮廓线后,轮廓线上的点以Freeman链码的形式存储到图像数组中。得到了运动目标的初始主动轮廓线和运动速度的估计之后,就可以进行运动目标的跟踪。在第四章中分析了本文所提出方法的试验结果,通过结果比较和分析阐述本文方法的优势与局限性。最后,对本课题所研究的视频序列运动目标跟踪方法作结论与展望。