运动物体检测与跟踪是计算机视觉研究的重要领域,本论文研究运动物体检测与跟踪的算法和模型,设计和实现了一个在动态场景下高效和具有高检测率的运动物体检测与跟踪系统。我们分析和比较了常用的运动物体检测和跟踪算法,在相位差方法的基础上,设计并实现了结合Canny-like显著区域提取法,图像分割和多种物体跟踪方法的动态背景下运动物体检测与跟踪系统。本文的工作主要包括以下几个方面:1.在运动物体检测方面,本文详细分析了动态场景下运动物体检测的相位差方法,在理论和实验基础上指出了这种方法的缺点和应用到实际系统需要解决的问题。针对这些缺点和问题,我们提出了解决的方法。首先,我们设计了高效的Canny-like显著区域提取器,用于从受干扰的运动显著图中提取显著区域。其次,我们提出了使用图像分割结果进行显著区域合并的方法,用于将检测结果从显著区域扩展到整个运动物体。第三,我们根据运动物体在连续的显著图中的位置特性,使用显著区域交集法获得了较为精确的运动物体边框。理论分析和实验结果证明我们的方法能高效可靠地检测出动态背景下的运动物体,适合用于实际的系统。2.在物体跟踪方面,本文分析、实现和比较了常用的均值偏移算法和粒子滤波器算法,指出了它们的特点,论述了将它们集成到运动物体检测系统中的可行性。我们在系统中使用物体跟踪算法实现两个目标:对检测结果进行跟踪,提高结果反馈的实时性和连续性;对感兴趣的物体进行跟踪。3.在系统实现方面,我们使用了多线程等技巧提高了系统的效率,可靠性和实用性。经测试,最终的系统基本达到了我们的目标,能在动态场景下较为快速地检测到运动物体。整个系统具有良好的可扩展性,既可以独立使用也可以作为运动行为分析,物体识别等相关研究领域的基础平台。