视频序列中运动目标的自动跟踪与计数是计算机视觉系统领域的重要研究内容,其目的主要是应用图像处理的方法检测出视频中感兴趣的运动目标,并给出目标的确切位置,同时反馈给跟踪系统进行跟踪,并且统计出经过某特定区域目标的数量。该方法具有智能性、灵活性、设备简单等特点,因此具有较大的发展空间。视频序列中运动目标的跟踪与计数主要由:目标检测、运动目标跟踪和目标计数三部分组成;其中目标检测是基础,它直接影响到后续处理的准确性;运动目标的跟踪则要求具有准确度,能够在部分遮挡时目标不丢失;而目标计数则主要是在视频监测时对某物体通过的数量进行统计,它同时要求具有准确性和实时性。本文介绍了几种经典的运动目标检测和跟踪算法,在目标检测方面重点研究了光流法、帧间差分法和背景消减法,并对帧间差分法和背景消减法进行了仿真实验,分析了它们的优缺点。在目标跟踪方面,介绍了相关法,Snake算法和最大连通区域与Kalman滤波预测相结合的算法,并对Snake算法和改进的GVF-Snake算法进行了仿真。仿真实验结果表明,传统Snake算法对初始位置的选择具有较高的要求,而且在凹陷的地方不能很好的收敛;GVF-Snake算法弥补了传统Snake算法的不足,目标的跟踪精确度更高,但是由于该算法是使用迭代得到目标的位置,时间消耗很大。鉴于此,本文中提出了基于最大连通域和Kalman滤波预测相结合的算法,最大连通区域能够去除图像中较大面积的噪声,提高目标检测的准确性;Kalman滤波预测算法对目标部分遮挡具有较好的处理效果,能够通过预测目标位置来实现目标短暂遮挡后重新获取。论文最后利用基于开动态窗的方法完成了对车流量的自动计数。本文对多个实际拍摄视频进行了目标跟踪和计数,并对算法的效果进行了分析。实验结果表明,本文方法能够准确的完成目标的跟踪和自动计数,基本能够满足实时性的要求,证明了本文算法的有效性。