本论文以单目固定机位的摄像机输出的视频图像序列为研究对象，以语义视频运动目标的检测与跟踪及其相关的技术支撑为研究内容，旨在实现精确、稳定的运动目标检测和跟踪算法，以期为实现各种高层理解与分析奠定坚实的基础。论文首次提出了一种基于Cauchy分布统计背景模型的变化检测算法，实现了对多种数据源、不同分辨率和复杂背景中多运动目标的检测。提出了基于动态模板的多信息集成的运动目标的跟踪方法，实现了复杂环境中对具有静态和动态遮挡的刚体或非刚体多运动目标的稳定、准确的跟踪。 智能视觉监控作为图像处理与计算机视觉领域中一个涉及多学科的研究前沿，它不仅有极其重要的科学意义和广阔的应用前景，同时更富有巨大的挑战性。它所面对环境的状况总是处于纷繁复杂的动态变化之中，并且不同的智能视觉监控系统所肩负的任务也是各不相同，这样特定的应用场合和需求就直接决定了各种系统的算法实现。目前针对不同的研究对象已经开发了许多监控系统和相关算法，但是，运动目标的检测与跟踪仍然是各种智能视觉监控系统中最基础的两项核心技术，它们是后续的各种高级处理，如目标分类及行为分析、事件检测、行为识别、视频图像的压缩编码和语义索引等高层次的处理和应用的基石，也是视觉监控系统自动化、智能化和实时应用的关键。同时也是主要掣肘整个监控系统性能的两大难点，探寻能够从容应对复杂环境的各种变化，精确、快速和稳定地检测和跟踪多个刚体和非刚体运动目标的算法实现仍然是当前急待解决的课题。 在智能视觉监控中，语义运动目标的检测算法提供对视频监视摄像机捕获的图像序列的初级分析，稳定可靠地检测目标及其动态变化，实现运动图像分割，为目标跟踪、行为分析和报警等更高层次的视频监视应用奠定基础。目前针对视频图像序列的运动目标检测算法有多种，这些算法各有特点，但对阴影和光照的变化，随机摆动的窗帘或植被的枝叶等运动背景物体引起的动态背景变化的处理和语义目标及其内部的检测仍无法兼顾。另外，对于实际应用而言，检测算法应该可以处理来自低信噪比图像传感器的图像，因此，抗噪声和处理低分辨率图像的能力仍是视觉监视应用中应解决的重要问题。目标跟踪现有的算法也是各有优缺点和适用情况，但传统的研究主要是针对刚体目标的跟踪，而在被跟踪物体发生尺度和旋转形变时，传统的方法就难以应对。非刚体的跟踪则是目标跟踪研究领域中一个新的方向和难题，其应用前景更广阔而且更接近实用化，它可以克服以往因目标模型不能自适应图像中目标的变化而导致跟踪失败的致命缺陷。 摘要 本文在详细阐述了智能视觉监控的结构、基本原理和内涵，以及语义运动目标检测与跟踪研究的意义的基础上，对国内外的研究现状和动态作出了全面的综述。基于语义视频目标检测的原理，论文系统地讨论实现自动语义运动目标检测的变化检测的算法原理，仔细剖析了当前的变化检测算法的特征提取、特征分析、象素分类和后处理等步骤。 建立了针对真实环境的背景建模和维护的方法。论文在分析视频图像信号特点的基础上，确立了使用Y几C.颜色空间作为背景模型象素颜色的表示，以利于背景模型可以同时兼顾彩色图像和灰度图像的表示。提出了直接法和恢复重建法两种获取初始背景图像的方法。针对现实环境中的各种变化，提出了可采用三种层次的背景更新方法，即基于象素级的更新，基于目标的区域级更新以及基于帧级的更新，充分利用了运动目标检测和跟踪结果的反馈信息，使背景更新过程成为一个自动更新的负反馈闭环系统。 论文首次提出了一种基于Cauchy分布的统计变化检测方法，实现了能够自适应复杂环境的多运动目标检测的算法。基于Gau旧sian的传统差分图像象素强度统计模型的背景剔除算法可以自适应渐变的光照，但对突变的光照则存在问题。本文使用当前图像与背景图像象素强度(彩色)的比值作为检测当前图像中象素变化的基本特征，提出以柯西分布(Cauchy distributinn)作为背景剔除时帧间背景图像象素比值的统计分布模型，并融合单个象素点和邻近象素点所蕴涵的时空域信息，实现对场景变化自适应的背景象素比值分布建模，实现了对背景噪声具有鲁棒性的运动目标检测.基于图像的噪声模型和图像象素的模型，得出了服从Cauchy分布的背景象素模型。本文方法可以准确地检测出彩色或灰色视频图像序列中的低分辨率语义目标，消除背景光照变化的影响和部分背景移动的干扰，适应下雨天气，这极大地增强了视频监控系统对环境和光照变化的适应能力;由于本文算法没有传统的统计方法的指数运算，运算量大大减小，所以运算速度快，更适合实时处理的应用要求。 对后处理中所用到的主要的修整与滤波处理进行了研究。实现了对运动目标检测的结果进行求精处理，消除伪目标象素和各种噪声象素，最大限度地获得与真实运动目标拟和的精确目标区域，为后续的高层处理提供准确的基础数据。对阴影和反光生成的几何特点和光谱特点进行了系统、深入地分析，并在?