序列图像中运动目标的检测与跟踪是计算机视觉和图像编码研究的主要内容,其涉及到图像处理、模式识别、自动控制、应用数学和人工智能等多个学科的知识,在机器人、智能监控系统、医学图像分析以及视频图像压缩和传输等领域中都有应用。主动轮廓模型是近年来图像和计算机视觉领域的研究热点。它融合了待处理问题的先验知识和图像特征,是对Marr提出的自下而上、信息单向传递的视觉计算理论的挑战。本课题主要研究如何将主动轮廓模型应用于运动跟踪任务中。本文首先对传统Snake模型进行深入研究,分析了其特点与不足,并提出使用其改进模型——GVF Snake模型进行运动跟踪。然后,针对主动轮廓模型对初始轮廓敏感的问题,本文引入卡尔曼滤波(Kalman filter)对运动目标的运动轨迹进行预测,从而使初始轮廓更加贴近目标实际轮廓。最后,本文还介绍了基于DSP的视频采集与处理系统的搭建方法,并成功植入运动检测程序,这位后续研究打好了基础。为了实现跟踪系统的完全自动化,本文提出了使用二次帧差法和投影法相结合的方法来完成跟踪系统的运动检测和目标初始轮廓提取功能。实验结果证明在背景稳定的情况下,系统能有效地检测到运动物体,并准确提取出运动物体的初始轮廓。在对目标轮廓进行运动跟踪的过程中,轮廓线往往会被背景中的非目标边缘所吸引而无法挣脱,从而影响轮廓的正确收敛。针对这一问题,本文提出了在跟踪过程中加入轮廓修正的方法来解决。轮廓修正是根据运动目标本身的轮廓特性和其运动信息,对GVF Snake模型收敛出的轮廓进行修正,把非目标轮廓部分修剪掉。实验证明这一方法使跟踪系统即使在很复杂的背景环境下也能有效地跟踪运动目标。