智能视频监控系统对目标进行自动检测、跟踪、分析和理解,进而提供对监控和预警有用的关键信息。作为智能视频监控研究的一个主要方面,目标检测和跟踪已成为模式识别、图像处理、计算机视觉等领域的重要课题。本论文对目标检测和跟踪的关键技术进行了研究和探讨,研究了基于双密度双树复小波变换的目标检测和跟踪算法,具有一定的学术价值与实用价值。主要研究内容概括如下:①对目标检测和跟踪技术的研究进展、国内外现状及常用方法进行回顾和总结。研究了离散小波变换、双树复小波变换、双密度小波变换和双密度双树复小波变换的基本原理、滤波器组结构和实现过程,进一步分析了双密度双树复小波变换的近似平移不变性和良好方向选择性等特点。②介绍了小波变换在图像去噪中的应用和图像质量评价指标。提出一种基于双密度双树复小波变换的局域自适应图像去噪算法。该算法首先对降质图像进行双密度双树复小波分解;根据小波系数的统计特性以及层内和层间系数的相关性,采用结合局域方差估计的双变量收缩函数对小波系数进行处理;最后用收缩后的小波系数重构去噪图像。实验结果表明该算法在有效滤除噪声的同时保留更多的细节,图像视觉质量得到很大的改善。③阐述了红外图像的特点,对红外目标检测的思路和常用算法进行分析。研究了一种基于双密度双树复小波变换的小波熵特征的红外目标检测方法。选用基于亮度的两级方向投影的方法实现候选目标定位;研究了双密度双树复小波变换的小波熵特征的提取过程;以两类模式识别为例介绍了支持向量机的基本原理。在此基础上给出红外目标检测的具体步骤。实验结果显示该方法能够准确检测人体目标,显著提高检测率并降低虚警率。④总结了粒子滤波的发展状况和应用领域。对粒子滤波的基本原理进行探讨并给出粒子滤波的基本推导思路。在对基于粒子滤波的目标跟踪算法分析的基础上,研究了一种在粒子滤波框架下选用双密度双树复小波变换的小波熵特征作为目标表达模型的红外目标跟踪算法。实验结果表明,该算法提高了跟踪系统的鲁棒性和可行性,较好地解决了不同背景、不同状态下的人体跟踪问题。