视频序列中运动目标检测与跟踪技术是计算机视觉中的重要研究方向之一,其在技术上涉及到计算机图像处理、视频图像处理、模式识别、以及人工智能等诸多领域,在智能交通、电视监控、人机交互、视频压缩编码等领域都有着广泛的应用,因而具有较强的研究价值。本文首先简要介绍了目前运动目标检测与跟踪的一些常用方法,包括目标检测中的帧间差分法、背景差分法和光流法,目标跟踪中基于特征的方法、基于模型的方法、基于区域的方法和基于变形模版的方法,并对各种方法进行了分析,指出其优缺点及主要适用范围,之后还介绍了数学形态学和连通性分析的相关知识。在运动目标检测方面,本文着重研究了背景差分法,提出了两种运动目标检测方法:其一为基于RGB颜色空间的运动目标检测算法,该算法在背景建模阶段对已有的中值法进行了改进,在前景目标提取阶段,在传统的背景差分法基础上加入颜色信息,有效改善了由于背景与前景灰度相差不大而造成前景目标内部空间的现象;其二为基于像素分类的运动目标检测算法,该算法分析视频序列中每帧像素的特点,并将其划分为单模态像素和多模态像素,针对不同的像素采用不同的建模方式,针对单模态像素采用较为简单方便的中值法进行背景建模,而多模态像素则采用混合高斯模型进行背景建模,这样在检测效果上相对于单纯采用混合高斯建模的方式相比并没有较大的差异,但在检测时间上却有很大的改进,使系统更易于实时应用。在目标跟踪方面,本文重点研究了Mean Shift算法,它是一个非常优秀的算法,是国外最近几年才发展起来的。同时,本文还介绍了OpenCV(英特尔@开源计算机视觉库)工具及其在VC6.0下的配置,并利用该工具对Mean Shift算法进行验证;同时针对Mean Shift算法本身的优缺点,研究了快速运动目标和目标遮挡两种情况下的运动目标跟踪。