视频图像序列中运动目标的检测与跟踪是计算机视觉和图像处理领域广泛研究的热点之一。本文主要研究带有复杂背景的单个物体的平移运动检测,旨在提出一个具有较大灵活性和适应性的运动目标跟踪系统,并能应用到未知环境下移动机器人技术研究领域。 本文首先进行了单目摄像机运动学分析,引入一个与摄像机光心距离为单位距离的空间平面Z_c=1,将空间所有点映射到该平面上,忽略了摄像机到物体的真实距离,使运动学方程得到简化。 由于单一的差分或背景剪除方法在环境剧烈变化时对目标的检测效果不够理想,本文采用带有运动补偿的三帧差自适应背景剪除技术检测运动目标,并利用卡尔曼滤波的先验估计进行运动补偿。实验表明该方法可以有效地弥补跟踪过程中的背景运动。 为了使跟踪更准确,控制更平滑,本文在传统卡尔曼滤波的基础上构造了适合于机器人系统的扩展卡尔曼滤波(EKF),估计目标下一时刻的位置并利用观测值校正,从而建立了一个估计-校正-控制的目标跟踪闭环系统。 在提取目标中心的过程中,本文利用卡尔曼滤波的预测值确定初始聚类中心对差分结果聚类,有效地减少了迭代次数。由于一般的目标模板更新策略存在计算量大或累计误差等缺陷,本文提出一种差分模板更新策略进行跟踪状态判决,较好地解决了这两个问题。 实验证明,本文提出的方案对于帧间背景具有较大改变的单个平移运动物体具有较好的检测与跟踪效果,体现了上述系统的有效性与可行性。