视频中运动目标跟踪是计算机视觉领域中最富有挑战性的课题之一,在军事制导、视觉导航、安全监控、智能交通、视频编码、医疗诊断和气象分析等众多领域中有着广阔的研究和应用前景。基于视频的运动目标跟踪可分为两种情况:一种是静止场景,一种是动态场景。本文主要研究动态场景中的运动目标检测与跟踪算法,主要工作如下:1、针对基于特征匹配的运动目标检测算法计算代价大,需要事先根据经验选取阈值,以及实时性不高等缺点,本文提出了一种基于SIFT的运动目标检测方法。通过对SIFT算法提取的关键点进行多次匹配,得到属于运动目标上较稳定的关键点。2、针对同一物体上的关键点运动速度相近,而不同运动目标上关键点运动速度不同这一特点,本文采用了基于数据连通性的聚类方法将前面方法处理得到的关键点进行聚类,从而得到了不同运动目标上的不同关键点。3、针对传统的基于特征匹配的运动目标跟踪算法鲁棒性不高的缺点,本文提出了一种基于GMM的关键点特征匹配的运动目标跟踪方法。对运动目标上的关键点特征向量进行GMM建模,并计算出高斯中心。如果候选关键点与高斯中心的最小马氏距离小于给定的阈值,那么对应的关键点为要寻找的匹配点。4、为了降低计算的复杂性,本文采用增量PCA算法更新GMM模型,每次只更新匹配成功的关键点对应的高斯模型及高斯中心。5、根据本文中提出的基于SIFT和GMM的运动目标检测与跟踪算法,设计实现了“动态场景中运动目标检测与跟踪系统”。对于本文提出的算法,经过优化之后,大大缩短了目标检测和跟踪的时间,可以达到实时的效率,从实验结果可以看出目标检测和跟踪效果理想。