视频运动目标检测与跟踪是计算机视觉领域的一个重要的方向,它融合了图像处理,数理分析,概率密度分析等多个领域的知识,广泛应用于安防,医疗,视频监控,智能交通等领域。实现了用计算机代替人眼,智能进行对外界物体运动的分析,为人类生活工作提供很大的便利。目前,目标检测和目标跟踪的技术已日趋成熟,但是环境复杂、严重遮挡、多目标跟踪的情况,成为视频运动目标检测与跟踪发展的主要障碍。为突破这些障碍本文提出了改进的方法。但是,为了提出的方法更准确,需要做的工作还有很多。本文的主要研究内容如下：介绍了研究视频运动目标检测与跟踪的课题的目的和意义以及该研究国内外主要的现状。在运动目标检测中简单介绍了背景差分法、帧间差分法、光流法三种常用算法。但是在实际观测过程中,由于摄像设备,天气或者光照遮挡以及夜间光照不足等环境影响,机器所采集的视频图像不是最完美的,包含许多的噪声。所以必须在处理和分析视频图像数据前,对得到的视频图像帧进行平滑滤波。提出了在背景差分法的基础上,对得到的二值图像进行滤波去噪和形态学处理,最后融合了目标特征的分析来检测出运动目标的新检测方法。实验表明,在实际视频监控中,不管是红外监控还是可见光视频监控,对背景差分法改进的新检测方法能很好的实现对运动目标的检测。运动目标跟踪,是根据之前学习的信息对当前帧的目标信息进行预测估计的过程。目前常用的目标跟踪算法有粒子滤波、Mean shift算法。本文根据Mean shift进行了跟踪。在一般的情况下,算法通过目标模型,候选模型的建立和相似性度量的分析能正确的跟踪所需要跟踪的目标。具体方法是先建立起目标模型,通过计算目标特征值的概率；然后在建立了候选目标模型,通过计算后续帧图像可能存在目标区域的特征值。在目标模型和候选模型的基础上利用Bhattacharyya相似函数度量相似性,求取相似函数的最大值得到Mean shift向量,不断迭代计算Mean shift向量,最终收敛到目标的真实位置。同时本文提出通过kalman滤波器的预测功能来处理目标跟踪过程中出现严重甚至完全遮挡的情况。由于依靠颜色信息来作为特征进行跟踪,会导致在严重遮挡时发生跟踪不准确,我们利用Mean shift算法和kalman滤波器的方法分别进行跟踪和预测,并把跟踪的结果作为kalman的观测值进行校正。对于遮挡判别方面,我们采用遮挡因子进行判别。一旦严重遮挡发生,将利用kalman进行预测,预测值作为跟踪的结果。实验表明,在Mean shift的基础上利用kalman滤波器进行预测跟踪的算法对遮挡过程中的目标能够进行准确的跟踪。