智能视觉监控是计算机视觉的一个重要的研究领域,它集成了电子系统设计、模式识别、人工智能、图像的处理应用、数学和其他关键技术。它在医疗服务、机器人、智慧交通以及视频监控等方面都有广泛的应用。由于环境的差异与复杂性,以及目标与环境的交叉,导致移动目标的检测变得较为复杂。公路道路交通管理早期经常使用硬件感应线圈触发以获得车辆运动数据,但一般仅用于车牌识别和违章拍照,无法对车辆进行跟踪。使用监控摄像头,需要软件对视频数据处理,进行车辆跟踪,进而为车辆行为预测提供依据,并有效提高智能交通管理水平。本文重点研究了智能交通背景下移动目标检测和跟踪问题。智能交通中移动物体检测和跟踪可以分成背景提取,移动目标特征提取和移动目标跟踪。在本文中,主要研究以下内容:(1)在移动目标检测算法的研究中,引入了几种常用的移动目标检测方法,并对每种算法的有效性进行了分析;(2)研究了移动目标分割算法,描述了目标分割所涉及的基本知识和关键技术,这些研究方法中包含了图像二值化法、形态学法,连通性分析法等。通常使用图像二值化法来改善数学形态和腐蚀连接域,以及扫描划分算法的实现和扩展,使计算复杂度降低,同时使得算法的效率提高。(3)针对由树木、灯杆、高架桥组成的复杂城市交通环境下,研究了多种针对该环境背景下的多目标的移动检测,分割和提取及其跟踪处理,通过比较分析,最终采用基于KLT特征预测的目标跟踪算法方法实现自动多目标的跟踪检测,获得了较好的效果。