动态场景下运动目标的检测与跟踪有着非常广泛的应用场合,从日益流行的智能视频监控、交通监视到军事领域的武器制导,都能看到目标检测与跟踪技术起着关键作用。背景建模、运动目标检测与跟踪是本文的重点研究内容。国内外有众多专家和学者在这些研究方向已经耕耘多年,取得了丰硕的研究成果,但在复杂场景存在运动背景、阴影干扰和照明变化的情况下,运动目标的准确提取和有效跟踪还面临着许多挑战。本文在前人的工作基础上,主要研究了以下几个方面内容:(1)静止成像平台下基于背景建模的运动检测算法。对Stauffer等提出的混合高斯模型算法进行了研究和分析,提出了一组改进的模型更新方程,提高了背景模型在繁忙场景下的收敛速度,同时各模型分量的学习率可以根据自身与背景的匹配程度自适应调整,提高了模型的学习精度。在室外场景,目标阴影常常干扰目标区域分割精度,这进一步影响后续目标跟踪与识别,本文通过融合改进的混合高斯模型算法和基于RGB色彩空间的阴影抑制,改善了目标提取效果。(2)运动成像平台下基于图像自动配准补偿背景全局运动的目标检测方法。研究了SIFT特征提取及匹配算法,结合随机抽样一致性算法估计图像变换矩阵,实现图像自动配准变换基础上,进行运动目标检测。实验结果表明本方法在运动平台下能有效检测目标。(3)粒子滤波跟踪算法以及多目标关联技术。在多目标关联技术方面,为了降低系统的复杂性,达到实时的处理效果,检测到的目标用它们的外接矩形来表征。基于一个简单有效的特征代价函数构造关联矩阵实现运动目标时间上的关联。(4)视频监控软件平台的设计与实现。基于前面的研究工作,本文实现了一个集成多种运动检测算法的软件平台,该软件分析处理实时视频流,完成运动目标的提取和轨迹跟踪,同时可以选择根据设置的警戒区范围做到区域告警。