运动目标的检测是机器视觉研究领域的一个重要方向,通过获取目标的位置、速度、加速度等运动参数,预测分析目标运动的轨迹,从而实现对运动目标的分类、识别和跟踪。目标检测与跟踪算法受到运动目标的形状变化、背景变化、环境噪声和目标遮挡等外部因素的影响,通过实时性、鲁棒性和准确性要求来衡量算法好坏已被广泛认可。基于光流法的目标检测与跟踪技术,检测精度高,能完整直接地获取目标的运动参数,但其实时性常常不能满足于工程实际应用的要求,需要加以改进。本文详细讨论了目前主要的目标检测算法：背景差分法,帧间差分法和光流法,分析比较了各种算法的优劣。重点研究了光流算法,结合帧间差分法运算速度快和光流法检测准确度高的特点,提出了一种改进的基于帧间差光流场计算的运动目标检测算法。该算法首先在帧差部分采用隔帧差分从而可以检测到帧间位移小于1个像元而多帧累积位移大于1个像元的运动点目标。其次在光流计算时,引入通用动态图像模型(GDIM)建立新的光流约束条件,克服了亮度变化引起的约束方程不成立问题。算法仅对帧差法后图像中不为零的像素进行光流场计算,提高了目标检测的准确性和检测速度。通过仿真实验证明了该算法的有效性。在运动目标跟踪部分,结合所提出的改进的光流模型和卡尔曼滤波算法实现。通过卡尔曼滤波器预测运动目标在下一帧可能出现的位置,从光流检测中得到的运动目标的速度和方向信息能有效地缩小匹配搜素的范围,从而实现对运动目标的快速跟踪。