机器视觉是目前科学技术研发的一个重要研究方向，因其涵盖了计算机科学、图像处理、检测识别以及人工智能等技术领域。序列图像的检测与定位是机器视觉的运动目标跟踪定位的一个重要研究部分，序列图像中的运动目标在实际图像拍摄场景中涉及到很多不确定性和复杂性，如目标的旋转、外形变化、光线变化等因素。深入研究运动目标的检测与跟踪定位技术，对图像处理行为分析、医学显微分析等有重要的工程意义。在生物医学方面，目标跟踪技术同样有应用价值，可以有效的分析心脏、肾、微血管的运动。　　本文基于对交通视频图像的运动目标的定位跟踪的背景下，其中图像是在摄像机没有运动情况下采集的，对序列图像的运动目标识别跟踪的关键技术方法进行系统的研究，目的是为了对目前的一些运动目标识别跟踪的方法进行优化，提出一些具有较高稳定性、较强鲁棒性以及识别精度高的运动目标检测匹配方法。主要的研究内容如下：　　（1）对交通视频图像以及显微镜下的视频图像进行有效的预处理，分析两种环境下的预处理的区别，有利于总结研究显微视频的预处理方式。　　（2）本课题的主要工作是对静态背景下的序列图像进行有效的运动检测，对目标运动的规律加以预测，实现对指定目标进行自动准确定位。　　（3）将对MHI方法在运动目标预测方面进行优化，使其在预测运动目标的运动方向有更好的鲁棒性。　　（4）同时探讨多小波算法在运动目标特征匹配方面的应用，性能的优劣与其他主流方法进行比较分析。　　（5）本文的另一个重要工作就是对显微微循环视频图像进行实例分析，在这个基础上提出一套系统的微循环识别方案，从静态背景的显微序列图像有效的分析微循环。　　实验结果表明，利用改进后的MHI对在风中摆动的树叶有很好的抗干扰能力，能够有效将这些噪声消除，同时还能够有效的保留运动目标的轮廓信息。多小波算法在交通视频图像特征提取及匹配是基于改进后的MHI处理后，MHI为运动目标匹配的搜索范围减小，有效的提高了匹配速度。多小波特征向量能够有效的表征特征，不过大量的实验表明，多小波变换在相关的匹配方面还有进一步的改善空间。所以基于多小波变换的目标匹配算法还有待进一步优化。同时改进后的MHI应用在显微视频下对微循环的毛细血管的血液运动有很好的效果。