视频监控是安全防范系统的重要组成部分,它是一种防范能力较强的综合系统,以其直观、准确、及时和信息内容丰富而广泛应用于军事、海关、公安、消防、林业、堤坝、机场、铁路、港口、城市交通等众多公众场合。本文所研究的基于全景视觉引导的动目标跟踪系统研究是一种智能视频监控系统,该系统可以自动检测全景视场内的运动目标并跟踪,计算出运动目标所在的位置同时控制运动目标进行跟踪,抓取运动目标的图像、保存目标信息。动目标检测与跟踪技术始终是计算机视觉领域研究的热点内容之一,同时也是智能视频监控系统实现的核心算法之一。动目标检测的研究内容主要包括:图像的采集、图像处理、图像分割和目标跟踪四个部分,因此准确的目标检测是后续其他工作的基础,也是展开其他工作的前提之一。基于非参数模型的核密度估计动目标检测算法具有检测效果良好、灵活性高、适应性强等优点,同时不需要参数初始化和复杂的参数更新算法的优点,使其在实时目标跟踪领域应用中具有很大潜力,核密度估计动目标检测算法中的高斯核密度估计动目标检测算法以其完美的概率特性和有效的窗宽选择方式而得到广泛的应用。本文主要的研究内容是研究高斯核密度动目标检测算法,指出其不足之处,然后提出一种性能优良的动目标检测算法,并通过实验进行验证。论文首先介绍了运动目标检测技术和全景视觉技术的发展现状,捋清检测算法中各个重要算法的概念、优缺点和适合应用的场所,对全景视觉技术进行深入研究,分析基于图像拼接技术的全景视觉系统和基于折反射的全景视觉系统的优缺点,指出折反射全景视觉系统更加适合应用于运动目标检测系统中。然后对主流的运动目标检测算法,即混合时域差分法、混合高斯模型法和核密度估计检测法进行深入分析,并通过具体实验进行性能测试,得出可靠的实验数据,然后用实验数据对各个算法进行对比分析,指出各个算法的优缺点和适用场合,并为本论文提出的改进算法提出现实依据和实验基础。其次为了克服原核密度估计目标检测算法运算量大、实时性不高的缺点,提出一种基于典型采样和多样性权值的运动目标检测方法,该方法完全舍掉了原始样本从而在根本上减少了算法的运算量;同时为了弥补样本丢失带来的负面影响,提出多样性权值算法,为该算法提供了有力补充;针对监控场景背景不断变化的特定情况,提出一种新的样本更新方法即间接样本更新方法,该方法不但可以根据背景变化快速更新样本信息,而且可以同时增强算法的抗干扰能力。根据核密度估计算法与其样本息息相关的特性提出一种基于样本的域值分割算法,该算法能很好与核密度估计算法融合。最后通过实验验证了该改进算法的有效性。再次深入分析全景相机的成像原理和云台相机的动态性能,建立全景坐标系和云台坐标系,并实现两个坐标系的空间坐标变换。根据实际的云台相机性能来设计云台自动调焦算法、转速控制算法和目标轨迹预测算法,在兼顾了实时性的情况下保证了云台控制算法的有效性,同时矫正了云台转动滞后带来的云台跟踪滞后的偏差,使云台的跟踪效果更加精确。最后在目标各种运动轨迹的情况下,通过综合实验验证云台跟踪的实际效果,通过具体的实验数据进行分析对比,用实际数据证明了算法的有效性,并指出在某些特殊情况下,算法存在的不足之处,并给出改进设想,为下一步的研究提供指导。