运动目标的检测与跟踪是机器视觉领域的核心课题之一,目前被广泛应用在视频编码、智能交通、监控、图像检测等众多领域中。本文对基于时域空域信息相结合的运动目标检测方法及基于均值漂移理论的运动目标跟踪方法进行研究。对于运动目标检测,本文首先讨论了帧差法、背景差分法、光流法这三种传统的运动目标检测算法,并分析它们各自的优缺点。帧差法只需前后两帧相减,实现起来比较简单,但检测到的目标会出现空洞现象;背景差法需要构建背景模型,但背景模型一般很难获得;光流法需要计算光流场,算法的实时性很难保证。基于此本文给出了时域空域信息相结合的运动目标检测算法,此算法较之传统算法,进一步提高了目标检测的质量和稳定性,且算法实现起来简单,基本满足实时性要求。对于运动目标跟踪,在保持传统均值漂移(Mean Shift)算法效率的基础上,着眼于提高该算法的适应性。为此在目标建模阶段,对目标的多个特征分别建模,然后在目标所在的大致区域(该区域包含目标所在区域),通过比较目标与背景相似度来选择最优的特征模型进行跟踪计算。此外,为了解决本算法难以跟踪高速运动物体的缺点,采用卡尔曼滤波器预测目标可能出现的位置,在此位置处利用Mean Shift迭代搜索出目标的确切位置,由此实现对高速运动目标的有效跟踪。