运动目标检测及跟踪是重要的目标观测技术,它能够对视场中的运动目标进行发现,并实时求解其在视场中的位置,在道路监控、空防海防、遥感观察、自动驾驶等领域有着广泛的应用需求。在运动目标检测过程中,噪声、动态背景、相机抖动以及光照变化等情况都会给检测过程带来很大的干扰,导致检测准确度下降,甚至出现错检漏检的情况。在运动目标跟踪过程中,受遮挡、光照变化、背景杂乱、相似目标干扰、以及目标自身在运动过程中持续发生形变等情况的影响,跟踪精度会明显降低,导致跟踪出现漂移,难以实现对目标的长期稳定跟踪。因此,在复杂场景下提升运动目标检测准确度以及运动目标跟踪稳定性,具有重要的研究意义。随着智慧城市及智能生活的发展,对于具有自主运动目标检测及跟踪拍摄能力的智能型监视成像系统的研究,具有重要的学术价值和广阔的应用前景。在运动目标检测方面,本文在充分分析当前常用方法检测原理的基础上,深入研究了提升运动目标检测准确度的方法,提出了一种基于差分特征和颜色特征相结合的运动目标检测方法。该方法通过融合高斯金字塔的多尺度差分特征,有效解决了基于原始图像数据差分过程中容易受到噪声及背景运动等干扰的问题。在颜色特征提取方面,提出了一种基于运动置信加权的颜色直方图统计方法,利用贝叶斯估计求解图像中各颜色直方图属于运动区域的后验概率,从而计算颜色特征图,有效实现了对运动区域内部孔洞的填充。最后通过对差分特征和颜色特征的整合,有效地提升了运动目标区域的二值化掩模图像的检测准确度。此外,本文还提出了一种提取运动目标矩形边界框的方法,相比于掩模形式的二值图,能够便于对运动目标检测结果的记录以及多视觉任务之间的传递。在运动目标跟踪方面,本文重点研究了复杂场景下运动目标跟踪稳定性提升方法。基于相关滤波类跟踪算法,对多种复杂跟踪场景下的响应公式的表达形式进行推导,分析了响应图的退化表现形式,并证明了模板保真性和适应性对目标跟踪的稳定性提升具有重要意义。建立了跟踪场景、响应图与模板更新率之间的关联,提出了一种能够自适应跟踪场景的模板更新策略,提升了跟踪过程中模板的保真性和适应性,从而增强了相关滤波类跟踪算法在复杂场景下的跟踪稳定性。此外,本文还针对以平移运动为主的目标跟踪任务,提出了一种亚像素精度的目标跟踪方法。该方法基于傅里叶变换将图像空间的目标位移量转化为频率域的周期变化量,提出了一种改进的霍夫变换法用来测量该周期,进而反算出目标在空间域的位移。该方法有效降低了傅里叶变换过程中图像像素位置的量化误差,提升了目标跟踪精度。通过现实场景中的跟踪实验,验证了提出的跟踪算法在安防监控、遥感观察、空间观察、道路监控等现实应用领域具有很好的表现。本文结合某装备预研项目,搭建了一种具有自主目标检测及跟踪拍摄能力的多像面协同式智能型监视成像系统。该系统有效结合了宽视场相机、高分辨率相机及全方位云台的优势,通过多像面协同工作,能够实现对运动目标的广空间搜索,并进行全空间高精度实时跟踪观察。本文基于该实验系统,设计了系统工作流程,提出了稳定检测运动目标的策略及对运动目标实现长期跟踪的策略,提升了运动目标检测结果的稳定性并有效延长了跟踪时间。该实验系统全部算法及指令控制均基于嵌入式芯片实现,相比于电脑端具有更强的整体性和可移动性,在户外、车载、道路等场景中具有更强的适应性,并且已经在某装备预研项目中得到了很好的应用。