基于特定运动目标(对象)的视频跟踪(OBVT)产生于20世纪80年代。运动目标检测跟踪的目的是从序列图像中提取运动信息检测和跟踪运动目标。它是图像处理与机器视觉领域一个非常重要的技术。在机器人导航,智能监视系统,医学图像分析以及视频图像压缩和传输等领域都有广泛的应用。序列图像和视频中具有的丰富的原始数据,相邻帧间的强相关性以及时域动态时变模式等在很大程度上使得对运动目标进行较好地检测,分割和识别成为可能。运动目标检测是指从视频流中实时地提取目标信息。而运动目标跟踪则是指对目标进行连续的检测并确定其运动轨迹。本文提出一种基于背景统计模型的运动目标检测算法,该算法以马里兰大学(Maryland University) Hmitaoglu和Harwood等提出的W4系统和帧间差分思想为基础建立目标模型,以文献[28]、[32]为基础并结合背景消减法更新模型,提出了一种改进的自适应的背景消减目标检测算法。该算法对光照具有很好的鲁棒性,同时充分利用了前景目标的信息,能够快速在含有运动目标的前些帧中迅速构造出背景图像,并能够进一步提高前景检测的准确率。在运动目标跟踪方面,分析了Mean Shift算法的局限性,针对Mean Shift算法不能跟踪快速运动目标以及遮挡处理效果不理想的先天不足提出了改进方法,并做了具体描述。其基本思路是由目标检测算法标记的目标关键特征区域块(Blob)结合Mean Shift算法利用目标的逻辑位置关系迅速确定目标的位置。对于遮挡问题,定义了一种相似因子用于遮挡判断,并给出了遮挡问题的解决方案。算法对快速运动的目标的跟踪效果良好,而且对遮挡问题也有很好的处理。本文提到的算法最终在Windows环境下,基于Intel处理器平台,用Visual Studio 2005 Pro得以实现。从得到的效果来看,本文改进的跟踪算法确实是可行的,基本能够满足实时监控的要求,同时对遮挡情况的处理效果明显好于一般的跟踪算法。