本课题是对基于视觉的多运动物体跟踪关键技术的研究,是在多运动目标检测的基础上,根据目标的不同有效特点及运动趋势,预测未来短时间内目标的运动方向或运动状态,为下一步目标分析提供数据来源。多目标跟踪技术融合了计算机视觉、图像处理、模式识别等多学科理论技术,在军事、人工智能、医疗多个领域具有较高的实用价值,可以说是一个十分重要且非常具有挑战性的问题,具有广阔的发展前景。本文在深入研究多运动目标跟踪理论和应用领域的基础上,重点研究了多运动目标的跟踪技术。主要从多运动目标检测、多运动目标跟踪两方面对多运动目标跟踪的关键技术展开研究。多运动目标检测技术的研究。首先研究分析了目前多运动目标检测过程各类经典算法的原理和适用场景。然后,研究了背景建模方法,分析比较背景重构法、单高斯以及混合高斯背景建模法,并进行实验验证和分析对比。最后,重点研究了ViBe背景建模法,并进行仿真分析,针对其现存的主要问题,进行了改进,并将改进后的ViBe背景建模法和形态学处理相结合,应用于实际检测,实现了多运动目标检测。多运动目标跟踪算法的研究,首先介绍了多运动目标跟踪的基本理论以及目前该领域内的一些经典算法。然后,重点研究分析Kalman滤波估计、Meanshift算法、空间尺度变化模型等主要跟踪算法,并进行实验验证,得出结果进行分析比较。改进了Kalman滤波预测估计算法,着重研究了Meanshift算法跟踪过程中出现的目标大小变化以及交叉等问题,利用空间尺度变化模型以及Kalman滤波预测估计模型进行了算法改进,并通过实验验证了算法的准确性,实现了多运动目标跟踪。