图像序列中运动目标检测跟踪是计算机视觉领域一个新兴的方向和备受关注的前沿课题,它融合了计算机科学、机器视觉、图像工程、模式识别、人工智能等先进技术,广泛地应用于军事、工业、生活等各个方面。运动目标检测、背景模型建立、阴影检测、运动目标跟踪是本文研究的重点。国内外大批学者也在该领域作了深入的研究和探讨,并取得了大量的成果。本文在这些成果的基础上,在这些方面作了一定的研究和尝试,相关研究如下:(1)在运动目标检测、提取前景部分,讨论分析了目前提取前景的方法及其实现的原理。选择背景差分法作为提取运动目标的基础,为了完整、精确的提取出运动目标,采用形态学方法对差分后的前景图像进行处理;分析介绍了相关的背景建模方法,并通过试验比较建模效果。试验结果显示:高斯背景建模方法虽然能够准确的表示背景,但算法复杂度和计算复杂度方面比较复杂。针对这种情况,本文使用中值法建立背景模型和高斯背景模型相结合进行建模,其思想为:在目标区域使用高斯模型更新背景,而在非运动区域使用中值法建模。试验表明取得了很好的效果。(2)在运动目标检测跟踪过程中,很多因素导致检测跟踪出现偏差,而阴影就是其中一个主要因素。本文分析了阴影特征,阐述了目前消除阴影研究现状。针对HSI颜色模型对于当运动目标和背景颜色接近时,可能出现检测率不高的特点,把一阶梯度密度函数引入HSI颜色模型中,为了表明改进算法的有效性,利用采集到的图像序列进行实验。实验表明:基于HSI模型的阴影检测算法是有效的。(3)在运动目标跟踪部分论述了基本跟踪模型的算法原理和特点。根据运动目标在场景可能表现出的不同状态,本文给出了对相关状态的判定方法;跟踪算法使用相关匹配算法,把十字搜索法作为搜索算法。传统的搜索算法速度慢,且效率不高。为了提高搜索效率,对该算法进行了改进。实验证明可以提高搜索效率。