运动目标检测与跟踪是图像编码技术以及计算机视觉研究中的核心内容之一,在视频监控,视觉导航,智能交通以及视频图像压缩和传输等领域中都有重要的实用价值。运动目标检测是在视频序列处理过程中的最底层,检测的效果将直接影响到后续高级应用的精确性。本文介绍了当今主流的目标检测方法:帧间差分法,高斯背景法。结合其各自优劣,提出了基于背景消减法的帧间差分法,然后结合形态滤波,最后提取运动目标。在计算机视觉中,跟踪是指通过计算其运动序列图像生成运动物体的轨迹。目标跟踪的方法有很多种,主要都是计算对象在连续帧间的变化,日常应用中使用最广泛的当属MeanShift算法。该方法是通过迭代来计算距离最近样本分布的一种无参数密度估计的算法。在多数的情况下能保证跟踪的准确性和实时性,是一种快速且有效的跟踪算法。但是在目标跟踪过程中均值漂移算法没有利用目标的运动方向和速度信息,这就导致了无法准确跟踪快速目标。本文提出了一种基于质心算法的MeanShift跟踪模型算法。初始位置采用运动目标质心,并在质心位置处采用MeanShift迭代,以巴氏系数判断当前目标和参考目标的匹配程度,实验分析,该算法可实现快速、有效跟踪目标。此外当目标运动时遇到障碍物完全地遮挡,此时MeanShift算法会误把遮挡物当做候选目标模型,若后续帧中再次出现运动目标,MeanShift算法并不会进行再次的实时跟踪。本文采用基于卡尔曼滤波的MeanShift算法对其进行改进。卡尔曼滤波可以根据以往的运动目标信息对下一时刻的目标初始位置进行预估,然后MeanShift算法根据卡尔曼滤波器估计出的初始值进行迭代。通过对改进后的算法与传统算法的比对,改进后的算法可以对完全遮挡下的目标进行连续稳定的跟踪,其效果相对于传统的算法有了显著的提高。