在计算机视觉领域,运动目标的检测和跟踪是研究的热门话题。由于单摄像头的视野有限,监控大范围场景在多数情况下需要用到多摄像头。在多摄像头的视频监控系统中有许多关键问题需要解决,包括:单摄像头视频中运动目标的检测和跟踪问题,多摄像头视频中同一运动目标的识别问题。即当同一运动目标从一个摄像头运动到另一个摄像头,系统如何识别出是同一个运动目标,从而对运动目标进行准确、连续的跟踪。　　 本文先对背景建模和运动目标检测进行了较为深入的研究,然后对多摄像头视频进行图像融合,在这基础上对检测出的运动目标进行了连续跟踪。主要工作如下:　　 针对传统混合高斯背景建模对快速变化的光照较敏感,鲁棒性较差等缺点,对传统混合高斯背景建模进行了改进,提出了一种基于卡尔曼滤波的混合高斯背景建模方法。实验证明,在光照变化较剧烈和背景噪声较多的情况下,该方法比传统混合高斯背景建模更具鲁棒性。　　 提出了一种新的基于重叠区域的多摄像头运动目标连续跟踪算法。首先,对多摄像头的视频图像进行边缘匹配,找到多摄像头视频图像之间的坐标对应关系。根据这个对应关系,将多摄像头的视频融合成一个广角全景视频,在此基础上利用粒子滤波方法对运动目标进行跟踪。实验证明,当运动目标从一个摄像头,跨越到另一个摄像头时,该方法能对运动目标进行较为准确、连续的跟踪,且不会出现丢跟现象。