运动目标检测与跟踪是计算机视觉、图像与视频处理及模式识别领域的一个重要课题,其主要目标是获取运动目标的运动参数(如位置、速度、加速度等)以及运动轨迹,从而进行进一步处理与分析,实现对运动目标的行为理解,以完成更高一级的任务。基于光流法的运动目标检测与跟踪技术,具有高精确率,可以直接获得运动目标的运动参数等优点,但一直未能在鲁棒性与实时性方面有突破性的进展,未能应用在有实时性处理需求的领域。论文以道路上运动的车辆为研究对象,对运动目标检测与跟踪技术进行了深入研究。论文主要研究基于光流法的运动目标检测与跟踪技术。全文包括三大部分:图像预处理;基于光流场的运动目标检测技术;基于光流场的运动目标跟踪技术。创新性及研究内容如下:首先,在图像预处理模块,论文提出了一种基于光流法的去噪声处理方法,并给出了实验分析,取得了较为理想的实验结果。其次,在运动目标检测模块,提出了两种对聚类目标个数具有自适应能力的模糊聚类算法,是本文的核心与创新内容。图像分割与运动目标检测的实验结果证明了两种自适应模糊聚类算法的准确性和有效性。最后,在运动目标跟踪模块,采用了基于光流模型与卡尔曼滤波器相结合的方法。实验结果表明对运动车辆的跟踪在满足实时性的前提下,达到了一定的准确率,但存在漏检,误检与多目标重叠等情况。如何改进检测与跟踪算法是今后进一步研究的课题。