随着科技的发展,智能视频监控的普及,计算机视觉领域中运动目标的检测与追踪的需求变得越来越重要。虽然已经有大量检测目标和跟踪目标的方法,然而,由于视频中人体成像的差异和背景环境的变化,使得运动目标的检测和追踪成为一项很困难的工作。本文的研究工作主要是在静态背景中检测和追踪运动人体,重点工作内容安排如下:在运动人体检测方面,针对传统三帧差分法检测人体轮廓的不足,提出了一种改进算法,通过改进混合高斯背景模型的建立,获得当前视频帧的背景模型,再使用背景相减法得到当前帧的移动目标区域,再将该运动目标区域进一步划分为非动态区域和动态区域,然后判定得到的动态区域即准确的运动目标区域,并采用不同的背景更新率实时的对背景区域进行更新;同时利用三帧差分法,将视频当前帧分别同前一帧、下一帧做差值运算,并对差值结果进行“与”操作,并将获得的运动目标区域同“与”运算结果,进行相“或”操作,并对操作结果通过形态学相关处理,获得最终平滑的轮廓区域。在运动人体追踪领域,首先叙述了几种主流的目标追踪技术,主要包括基于区域、形状和模型的目标追踪技术。同时以传统追踪方法为基础,并结合Kalman滤波和Meanshift跟踪算法,融入改进思想,使用几何特征去描述人体目标的观测模型,采用了自适应融合的策略,即根据特征信息在跟踪的过程中会根据不同环境中的可信程度来调整在融合过程中的权重;并用Kalman滤波器对目标路径进行预测,再通过Meanshift算法定位运动目标位置信息,进行迭代判断,并利用跟踪框对目标进行标识,同时采用遮挡判断,实现运动人体目标的鲁棒追踪。本文的研究主要以Matlab工具和高清视频进行算法的模拟和仿真,实现了运动人体的检测与有效追踪,并对比了改进算法的性能与精确度,确定了检测和追踪算法的有效性。