运动目标检测与跟踪是研究在序列图像中提取运动目标区域、分析运动目标特征和运动状态进行匹配与跟踪、估计有关运动参数的分析技术。它是图像处理与计算机视觉领域中的一个非常活跃的分支，在国民经济和军事领域的许多方面有着广泛的应用。本文围绕视频序列处理技术进行以下研究： 一、静止背景下多目标运动检测与跟踪 场景不变条件下多目标运动检测分析，可分为多目标区域提取、目标特征描述、特征识别、运动分析等几部分构成。 在进行运动区域提取时，多数文献都直接采用临帧差分检测法，这种方法会影响检测精度。为了克服邻帧差分算法的缺陷本文从视频序列分层角度出发，在研究了运动目标时的背景重建、恢复技术后，提出了背景差分替代邻帧差分的解决方法。该算法从根本上消除了目标重迭现象，提高了运动目标区域的检测精度。 在进行多目标运动分析时，需要对二值化后的多目标区域面积、周长、外围矩形边界，与形心等参数进行特征描述。同时，在图像轮廓角点特征比较明显的情况下，用角点提取技术提取目标的特征点集，并设计了点集匹配函数，用于目标间的匹配与跟踪。 多目标运动分析系统不仅应具有对处于正常运动状态的可跟踪能力，更应具有对各种运动状态的辨识性及跟踪策略自适应性。文章提出多目标运动状态辩识理论，通过分析运动状态方程来检测各种运动状态。该技术可同时快速地对处于正常跟踪，目标重叠，进入视场，与离开视场等各种运动状态下的多目标予以跟踪。同时对于各种运动状态采取相应的调整策略，以提高跟踪精度。 以本文理论为基础，运用智能交通参数检测技术开发了一个用于流量检测的软件系统，能统计车辆速度，车队队长，平均车速统计车流量等参数，并且能完成牌号识别等多种功能。对于车牌号识别模块，本文系统地研究了车辆牌号区域定位、牌号字符提取，车牌号校正和归一等技术，克服了分割过程中出现的各种不利因素，取得了满意的效果。 二、运动背景下的动目标检测 当目标运动，摄像机也由于运载平台的姿态或位置改变而发生运动时，运动目标图像上造成的变化与背景自身的变化混淆在一起，为了检测出运动目标，本文提出了序列图像补偿差分的运动图像分割检测技术: (1)基于旋转平移假设的四参数法;(2)基于正交投影的六参数法，这两个算法，首先在时间域上对摄像机运动造成的全局运动进行补偿，对序列图像进行补偿后，再进行差分运算，然后在ZD平面空间域对图像进行边缘提取，利用边缘图像和差分图像进行hausdorff距离匹配，以提取准确的目标位置，克服目标运动造成的背景的显现和遮拦对目标准确检测的影响，这一解决方案充分利用了序列图像在时间域和空间域的相关信息能较为准确地提取目标区域。