随着机器视觉技术的快速推进,运动目标的捕捉及跟踪技术的研究正逐渐成为该领域的重要研究环节。目前,许多高校、科研机构乃至大型的科技公司都投入了大量的精力去研究和探索,其研究价值已经不言而喻。本文课题方向的选择正是在这样的背景之下展开的对运动目标捕捉及跟踪算法的研究。捕捉取决于检测的效果,而传统的运动目标检测算法并不能适应很多复杂的场景,尤其面对噪声较多、光线变换等情况时检测效果难以满足要求。传统的目标跟踪算法同样也只适用于某些特定的情况,速度、背景的光照、遮挡等许多方面都可能影响目标跟踪的效果。针对这些问题,本文在学习和研究了传统算法的基础之上,根据算法的特性和相对应的问题优化了一些算法,使其具有更高的适应性,所做工作如下:(1)运动目标捕捉部分。对传统方法的优缺点进行比对,提出了一种基于边缘信息和混合高斯融合的运动目标检测算法。该算法利用视频里相邻的三帧图像两两作差分后作或运算、二值化、形态学处理,对中间帧的采取canny边缘检测,对两次结果再进行或运算、形态学处理后获得更加完整的轮廓。采用混合高斯对三帧中的中间一帧提取前景,二值化后和canny检测进行与运算最后经过形态学处理和孔洞填充后获得运动目标。通过实验结果比对,优化后的方法能够检测出更清晰的目标轮廓,具有更高的稳定性和适应性。(2)运动目标跟踪部分。对传统的CamShift跟踪算法进行了研究与分析,实现了两种优化的算法。一个是基于前景和二维直方图的优化算法,采用H-S二维直方图求得反向投影并与检测部分获得的前景进行与运算得到新的投影图,对新的投影图再计算CamShift中心;另一个则是融入了Kalman,对CamShift中心进行修正。两种方法都比原有的方法有更好的效果。但是基于CamShift的方法对目标和背景的颜色特征要求较高,而本文在时空上下文算法中融入了CamShift,在出现遮挡时利用CamShift算法跟踪中心修正时空上下文算法跟踪中心并及时更新局部上下文区域,使其能够继续完成跟踪。最后通过实验比较和算法分析,该方法波动最小,效果最好。