动态背景下的目标检测与跟踪技术因为实用性很高但实现难度却很大,所以一直是个热点问题,并且在很多方面都有着应用,比如手机跟踪拍摄、无人机航拍、精确武器制导等。传统检测算法比较快速,但是对于动态场景下准确检测目标存在一定的难度。本文为了实现在动态的场景下,将运动目标快速准确地检测出来并稳定持续地跟踪,提出一种基于背景运动补偿的目标检测与跟踪方法。该方法首先对连续两帧视频序列进行Harris角点检测,提取出图像中的特征点,利用这些特征点对摄像机进行参数估计。为了准确得出摄像机的运动参数,需要对这些特征点对进行过滤,除去存在于运动目标上的特征点。得到摄像机的准确模型后即可进行背景的补偿,再采用差分算法即可检测出运动目标。持续的跟踪采取的是基于均值漂移(MeanShift)的跟踪方法,将检测出来的结果作为跟踪的初始值,同时时刻监控目标模板与候选模板的相似性,当其下降到一定程度时,再次启用检测算法对目标进行重新定位,从而可以避免重复迭代导致的误差的叠加,使得跟踪更加地准确。本文对以上提出的目标检测与跟踪方法进行了对应的实验,并结合实验结果对该方法进行了综合性的分析。