在人所感知到的环境信息中,视觉信息占了非常大的比重,其中动态视觉信息更是其主要组成部分。运动目标的动态图象提供了比单一图象更丰富的信息,通过对多帧图象分析,可获得从单一图象中不可能得到的信息。运动目标的图象识别与跟踪就是在动态图象分析的基础上结合图象识别和图象跟踪方法对图象序列中的目标进行检测-识别-跟踪的过程。本文的研究对象是视频序列,或者说图象序列。文中的运动目标检测是指判断视频序列中是否存在运动目标;运动目标跟踪是指在整个视频序列中监控运动目标的时空变化,如目标的出现与消失,目标的位置、尺寸和形状等。运动目标的检测与跟踪是紧密关联的两个过程,跟踪始于检测,而目标在后续图象序列中的重复检测也有助于目标的跟踪。由于光照变化、背景干扰、阴影、摄像机的抖动以及运动目标之间遮挡等现象的存在,都给运动目标的正确检测与跟踪带来了极大的挑战。本文在深入总结和分析现有运动目标检测与跟踪方法的基础上,重点研究摄像头固定情况下运动目标的检测与跟踪技术。首先,文章通过广泛查阅国内外相关文献和资料,详细对比了国内外常用的目标检测跟踪领域的各项关键技术,通过对这些技术的仿真和分析设计出本项目的数据结构和算法描述。在此基础上,本文构造了一种基于差分图象的运动目标检测算法,通过帧间差分、自适应阈值、形态滤波和连通单元标记四个步骤实现运动目标的检测。最后结合形心检测的方法获得运动目标的位置坐标,设计出一个运动目标轨迹提取算法。在优化方面,自适应阈值模块中采用的原始大津法运算量大,本文通过对大津法的分析改进,使这部分的算法的运算效率有了大幅提高。针对目标被短暂遮挡的情况,本文也讨论了对其进行预测的方法,并实现了算法仿真。论文对采用的算法进行了大量的数据实验,根据实验结果对算法性能进行了分析。多次优化之后,实现了软件编写简捷、可靠,提高了系统的稳定性,得到的算法执行效率高,计算结果准确,可移植性强,易于硬件实现,达到了预期效果。