复杂背景下的运动目标检测与跟踪是从错综复杂的视频序列中自动、准确地检测、分割运动目标并对其运动轨迹进行跟踪的过程。它是智能交通、智能监控、机器人导航、虚拟现实、人机交互、视频压缩等领域的关键技术,是计算机视觉中极具挑战性的前沿课题之一,近年来吸引了国内外众多科研人员的兴趣。因而本课题的研究具有重要的理论意义和广泛的现实意义。 本文主要围绕运动目标检测与运动目标跟踪两方面展开研究。重点研究了基于光流场分割的目标检测和基于特征的目标跟踪。 本文首先深入研究了比例不变特征的基本概念、核心思想、特征值的描述方法、提取方法与步骤,分析了其固有的优势和存在的不足。然后针对其存在的不足,分别从提取方法和描述形式两方面介绍了两种新的变体：主元分析比例不变特征和快速近似比例不变特征。 在运动目标检测方面,提出了一种基于光流聚类的目标检测方法。它首先利用五点约束最小二乘法计算图像的光流信息,然后运用基于密度的聚类算法对光流矢量进行聚类,最后根据聚类结果完成目标的检测与分割。 在运动目标跟踪方面,改进了传统的基于最近邻法的特征匹配方法,并提出了一种基于快速近似比例不变特的目标跟踪方法。它采用快速近似比例不变特征集来对目标进行描述,通过在相邻两帧中搜索目标的特征,并根据候选区域的特征匹配结果来定位目标,最后根据定位结果更新特征集,从而实现对目标的跟踪。为了减少目标搜索和特征提取的空间,建立了目标跟踪的卡尔曼滤波器模型,对运动目标进行运动状态的估计,显著提高了跟踪的效率和鲁棒性。 本文的另一项工作是,运用软件框架和设计模式的基本理论和思想,设计并实现了一个具有良好的可复用性、可扩展性、可维护性的视频序列的运动目标检测与跟踪系统框架,既可以作为科研实验之用,也可以方便地扩展为其它应用。