随着科技的进步,智能视频监控技术逐渐成为计算机视觉领域的研究热点。其通过对监控设备采集得到的视频序列进行自动分析,实现对场景中运动前景的提取、跟踪与识别等。运动前景提取与跟踪技术作为智能视频监控系统中的核心基础,目前仍是学术界和工业界的研究难点之一。本文在国内外相关研究的基础上,对复杂环境下的运动前景提取与跟踪技术进行探索与研究,其中主要工作如下:(1)对基于像素点采样构建背景模型的经典算法-ViBe(Visual Background extractor)进行分析后,提出一种前景提取算法。该算法首先构建一个近似真实的背景模型,然后利用像素运动的空间连续性将像素与背景模型中的邻域像素进行相似性比较,完成前景与背景的分割,并且在背景模型的更新过程中设置“保护带”区域,防止前景被误判背景快速蚕食。最后将提出的算法与目前一些常用的算法在公共标准测试集上进行性能比较,结果表明提出的算法具有较低的像素错判率,能获得较优的分割性能,对动态背景、相机抖动现象具有良好的鲁棒性。(2)针对核相关滤波目标跟踪算法无法较好地处理跟踪过程中目标的尺度、姿态变化,提出一种尺度自适应的核相关滤波目标跟踪算法。该算法在多个尺度下对图像进行采样,选择每个尺度下输出响应最大的图像块作为候选样本,然后将获得的多个候选样本通过正样本库进行筛选,选取合适的样本作为最终的跟踪结果。将改进后的算法与多种常用算法在标准视频序列上进行性能对比,实验结果表明改进的算法能够对尺度、姿态变化的目标进行稳定跟踪,具有良好的鲁棒性。(3)将运动前景提取模块与跟踪模块组合成一个整体框架。由运动前景提取算法获得稳定的运动目标后,启动跟踪算法对其后续的运动轨迹进行跟踪,完成两个模块的前后连接。通过在多个视频序列上进行实验测试,结果表明该框架在相机抖动状态下仍能较好地提取出运动目标,并且在跟踪过程中能够有效地适应目标的尺度、姿态变化。