运动目标检测与跟踪广泛应用在众多领域,例如军事制导、智能交通、视频监控等,是研究者们持续研究的重大课题。但目前绝大部分检测与跟踪算法研究均基于单目视觉,难以克服光线变化、阴影和遮挡等因素的影响。双目立体视觉则能够获取目标的深度信息,在计算机研究领域占据十分重要的位置。本文将双目视觉技术应用在运动目标的检测与跟踪中,解决了单目视觉难以克服光线变化、阴影和遮挡等难点问题。主要研究工作有:标定双目摄像机。分析3类常用的摄像机标定方法、双目视觉中常用坐标系及其之间的转换关系,然后对径向畸变处理进行了探讨,再利用张正友棋盘标定方法计算本文双目视觉模型的单应性矩阵,并求解得出摄像机的内外部参数,为后续的立体匹配等研究打下基础。研究立体匹配算法。提出一种基于视差梯度改进的区域匹配算法,相比于传统方法,具有抗噪性强、匹配正确率高和速度快的优点。算法实现中构建了基于差平方和(SSD)改进的相似度测度函数,获取到准确的视差值,同时引入视差梯度约束,根据其取值范围来判别是位于图像的边缘或平滑区域,然后分别采用大小不同的窗口来匹配,还可缩小搜索空间。研究双目视觉下的运动目标检测算法。对比研究帧差法和背景差分法两种单目视觉的检测方法,运用检测效果较好的背景差分法,仍解决不了光线变化、阴影和遮挡对于单目检测结果的影响,因此将以上结果与双目检测结果再进行“与”运算,这种结合双目和单目对运动目标进行检测的方法,不仅解决了单目检测的缺陷,也克服了双目检测难以获得目标轮廓的问题。研究双目视觉下的目标跟踪算法。提出一种结合双目视觉和Camshift的目标跟踪方法,该方法首先利用视差背景差分提取出运动目标,去除背景干扰,然后运用改进的Camshift算法对前景目标进行跟踪。为了更好的克服光线变化、相似颜色运动目标的干扰,引入了kalman滤波算法,预测运动目标的位置及速度,采用不同的比例因子,将Camshift算法得到的跟踪结果与kalman滤波预测结果进行线性组合,充分提高了跟踪的可靠性。实验证明,本文提出的检测及跟踪方法在复杂场景、运动目标较多或发生遮挡时都能保持较好的鲁棒性。