基于双目视觉的目标检测方法是当前计算机视觉研究领域的热点问题。与单目视觉相比,双目视觉具有还原真实场景三维信息、反映目标远近差异程度等优势,故可广泛应用于摄影测量、机器人、智能监控等各类视觉系统中,具有重要的理论研究价值和实践应用意义。本文首先介绍了与双目视觉技术相关的摄像机标定,特征提取与匹配,运动物体检测等关键技术的国内外研究现状及发展趋势,并重点论述了单目及双目视觉目标检测的常用方法。对目标识别应用中所涉及到的图像特征分类,特征提取,图像分割等现有的基本理论方法进行了比较分析。论述了双目视觉的基本工作原理和实现步骤。对常用的摄像机标定方法给予了分类介绍,包括摄像机成像的原理及模型,标定方法,参数调整等。提出了一种高精度摄像机标定方法,首先对每一幅图像的网格角点进行提取,进而利用下降梯度最小化重投影误差计算内外校准参数,并对镜头失真系数进行了调整。基于单目视觉,提出了一种具有记忆功能的实时自适应背景模板库更新和建立算法。首先初始化并更新模版库,采用稀疏矩阵和全矩阵相结合的方法检测目标,通过自适应方法判断及提取待定目标。基于双目视觉,首先计算出左右两个摄像头所采集的序列图像的视差图,并对所获得的视差图进行精确匹配。将视差图划分为多个子图像并进行最大连通区域标记,利用双向差分相乘法对视差图进行处理以实现目标检测。根据前景图像中所包含的景深信息,采用分层定位法对视频图像中的运动目标进行识别与跟踪。采用Matlab软件工具,对所提出的算法进行了仿真实验研究。实验结果表明:(1)提出的单目视觉目标检测方法可以有效地克服由于光照变化、背景干扰、遮挡等多方面的噪声因素影响,并对运动目标实现准确的动态识别与跟踪。(2)提出的基于双目视觉运动物体检测方法,能够对多个不同种类的运动目标进行实时和准确的检测,达到了预期的效果,具有较好的实际应用意义。