目标检测与跟踪技术作为图像处理与模式识别领域的一个重要研究方向,在安全监控、军事侦察、产品检验、人机交互、医疗诊断等方面得到广泛应用,为社会生活创造了极大的便利,其中人体目标的检测跟踪技术逐渐成为当今时代的研究热点。传统的基于彩色图像的目标检测跟踪算法鲁棒性不高的主要原因是,在对图像进行分析处理时,受到光照变化、复杂背景、物体遮挡、阴影干扰等因素的影响。针对此问题本文利用Kinect采集深度图像进行人体目标的检测与跟踪,深度图像不但具有空间颜色无关性,还能提供场景中物体的深度信息。本文通过滤波操作去除原始深度图像的噪声,基于传统的目标检测方法提出了一种改进的混合高斯背景建模算法。详细分析了算法从模型建立、模型初始化、模型匹配到模型更新的全部过程。针对人体目标运动缓慢或静止的场景,本文利用图像特有的深度信息调节模型更新机制,有效解决了目标空洞甚至漏检的问题。对于已检测的人体运动目标,首先用Canny算子自动初始化目标轮廓,以运算速度快的CamShift算法为基础跟踪目标。由于该算法抗干扰能力不强,当干扰物出现时,运用角点检测方法初始化待跟踪目标,然后结合Snake算法进行跟踪,增强了跟踪算法的鲁棒性。最后利用深度信息显示出人体目标的三维坐标。本文在Visual Studio 2010软件平台下进行仿真实验,结果证明,文中采用的基于深度图像的方法不受室内灯光、阴影及干扰因素影响,能够准确实时地对人体目标进行检测和跟踪。