动态背景下运动目标检测与跟踪作为计算机视觉领域的关键技术,成为众多国内外学者的研究热点之一。现实中大量的应用,比如机器人导航,车载视频跟踪等,都与动态背景下的运动目标检测与跟踪密不可分。本文将车载视频作为应用背景,并感知车载摄像头运动信息并行运行粒子滤波算法来估计背景运动量来对该动态场景下的运动目标进行检测和跟踪。论文的具体研究方法如下:　　 第一部分,介绍了粒子滤波以及动态背景下运动目标检测技术的研究现状,描述了多传感器中并行粒子滤波估计概念和方法以及动态背景下运动目标检测技术中常用的块匹配法基本理论,阐述并分析了各个方法的适用范围以及仍存在的不足。　　 第二部分,提出了一种基于传统分簇估计的按权分粒融合的改进方案。克服了在传统传感器网络中,由于受节点资源的限制,而只能从节点局部信息中获取目标位置和运动轨迹并且平均分配、融合粒子造成的误差。仿真结果表明该方法与集中式、传统并行式算法在跟踪误差、计算时间具有一定优势。　　 第三部分,介绍了目前常用的基于块匹配的背景运动量的获取方法,阐述了在进行块匹配过程中传统的搜索区域选取过程,并指出该阈值选择将引起可能的误差以及浪费的计算量。因此,本文提出一种基于并行宏块粒子滤波估计的块匹配法,通过求出摄像机的并行粒子滤波估计矢量,将前帧宏块按反方向进行移动,得到后一帧匹配宏块的搜索中心,并选取基于粒子滤波估计误差的搜索区域,来提高块匹配的准确性以及快速性。　　 第四部分,首先介绍了静态背景运动目标检测过程中常用的特征光流法,并分析了其适用条件,如灰度必须均匀变化来满足光流基本方程,以及特征光流法无法有效处理动态背景问题,提出了一种基于并行粒子滤波估计的动态背景光流法的运动目标检测,通过matlab仿真以及VC进行视频检测,该方法在一定程度上有良好效果,并对阈值选取,误差分析等关键环节进行分析。