随着智能化技术的革新,计算机视觉技术应用越来越广泛,无论是用于国防的安全检测、军事侦察,还是用于医学和工业控制,都发挥了极大的作用。基于计算机视觉的目标识别与跟踪方法是当前人工智能等领域的研究热点。从广泛应用的人脸识别、指纹识别,延伸到生活中的各个方面,如手势识别、智能安全监控、智能机器人以及遥感和医学诊断等。本文首先介绍了基于计算机视觉目标识别与跟踪方法的研究背景及意义,并阐述了它的研究现状。第二,对运动目标检测和跟踪算法进行了介绍和总结,并重点介绍了几种常见的算法。第三,对目标识别中的特征约简算法进行了研究。详细介绍了经典粗糙集算法以及邻域粗糙集算法,提出了一种基于邻域粗糙集算法的手势特征约简方法,将邻域粗糙集算法应用于手势特征的约简,利用粗糙集的属性约简能力进行特征选择。采用Hu不变矩提取手势特征,然后用邻域粗糙集算法对Hu矩特征进行约简,去掉不必要的特征,这样不但提高了分类的效率,也节省了特征提取的时间。通过实验结果证实基于邻域粗糙集的特征选择算法能够找到对手势分类更为有用的特征,消除冗余信息,提高手势识别系统的准确率和效率。第四,综合运用手势分割、手势识别和跟踪技术实现了一个基于手势识别的人机交互系统。利用肤色和运动目标检测相结合的方法提取手掌区域,用约简后的Hu矩特征采用模板匹配的方法实现了手势识别,并用Mean Shift算法跟踪手部区域,实现了对光标的控制。第五,对基于视频分析技术的道路监控系统开展研究,利用目标识别与跟踪算法实现了道路监控系统,主要研究基于视觉的交通事件检测与交通参数分析。采用运动目标检测算法识别出道路场景中的行驶车辆,然后通过跟踪车辆得到行驶轨迹,最后对车辆行为、道路状态进行分析。系统自动快速检测车辆非法停车、逆行、交通拥堵、超速等交通事件,同时自动记录相关数据并实时处理,实时有效的把道路信息及时反馈给道路主管部门。提出了一种基于车道线的车辆测速算法,对车辆超速、逆行、非法停车等交通事件以及平均车速、道路占有率、车流量等道路数据的自动检测进行了研究。