运动目标检测与跟踪是计算机视觉研究的主要问题之一,它融合了图像处理、模式识别、人工智能、自动控制以及计算机等众多领域的先进技术,在军事视觉制导、医学图像诊断、视频监控、智能交通等方面都有广泛应用,因此本课题研究具有重要的理论意义和实际价值。然而运动目标的多样性和所处环境的复杂性,给运动目标检查和跟踪带来巨大困难,使其成为计算机视觉和图像处理领域有待解决的一个经典难题。因此,本论文着眼于特定算法的实用性,开展一些关键问题的探索研究。为此,本文研究的主要内容包括以下几个方面:首先多运动目标检测与标定方面,主要研究了几种常用的目标检测和标定方法,并对各种算法的优劣进行了分析。针对瞬时差分法提取目标不完整的缺点,本文采用三帧差分结合Canny边缘检测算法来检测目标,利用像素标定法,标定出目标个数、大小、位置。实现了对多个目标精确的提取,为下一步的跟踪算法做前期准备。其次目标跟踪算法方面首先研究了基于Camshift和Kalman滤波结合的改进多目标跟踪算法。针对目标跟踪中常出现的大面积与目标颜色相近的背景干扰和目标严重遮挡导致跟踪丢失的问题,提出了一种基于Camshift和Kalman滤波结合的改进多目标跟踪算法。当出现大面积与目标颜色相近的背景干扰时,启动ROI(感兴趣区域)帧差法,把不运动的干扰背景滤除掉。当目标被严重遮挡时,采用Kalman预测值代替Camshift计算出的最优位置值,并且将Kalman预测值作为Kalman滤波更新的观测值,有效克服严重遮挡导致Kalman滤波失效的问题。然后研究了Kalman滤波结合S(Smoothness)值的多目标跟踪算法。由于Camshift算法是基于目标颜色为特征的跟踪方法,不能对灰度图像进行处理,针对上述情况研究了Kalman滤波结合S(Smoothness)值的多目标跟踪算法。通过分析比较各运动对象的运动轨迹,利用运动目标方向和位置信息,来对目标进行区分匹配,从而确定当前帧中的运动对象。最后建立了运动目标自动识别与跟踪系统。在PC机上对获得的图像进行运动目标检测与跟踪算法处理,在该系统中可以对运动目标检测与跟踪算法进行测试。综上所述,论文提出基于Camshift和Kalman滤波结合的改进多目标跟踪算法,提出了有效应对背景干扰的策略。实验结果验证了该算法可以有效降低背景干扰导致目标跟踪丢失问题,达到对运动目标的实时跟踪,获得较好的跟踪效果。