运动目标检测与跟踪一直是机器视觉领域中一个热门话题,其在视频监控、人机交互、智能交通等方面都有着广泛的应用。由于实际场景比较复杂,如存在光照变化,背景相似颜色干扰,目标遮挡等,所以提高目标检测和跟踪算法的鲁棒性和通用性仍然面临巨大的挑战。为此,本文研究分析了常用的几种目标检测与跟踪算法,在经典算法的基础上,对目标检测与跟踪算法作了一定的改进,实现了对行人、车辆等低速运动目标的实时跟踪。本论文主要工作如下:(1)研究了静态背景下常用的运动目标检测算法:光流法、帧间差分法和背景差分法,其中重点研究了ViBe算法。结合三帧差分法和背景动态程度,从背景建模策略、自适应阈值和自适应更新概率三个方面对ViBe算法做出了改进,有效地解决了“鬼影”、树叶摇动干扰等问题。(2)研究了基于MeanShift的跟踪算法、CamShift跟踪算法和粒子滤波跟踪算法。针对以往仅用单一的颜色特征构建目标模型,提出显著性颜色直方图的概念,降低背景同色干扰,提出融合目标显著性颜色和运动特征来构建目标模型,并将MeanShift算法嵌入到粒子滤波中,对粒子进行收敛优化,减少了跟踪所需的粒子数量,提高了传统粒子滤波算法运行效率。(3)为了测试和验证本文改进的目标检测和跟踪算法,本文以Visual Studio 2010为开发平台,结合MFC库和OpenCV视觉库,设计了运动目标跟踪测试系统。利用改进后的目标检测与跟踪算法,可以实时跟踪低速运动目标,如行人、车辆等,并给出当前跟踪目标的质心坐标和跟踪框的尺寸。