运动目标跟踪作为视频监控中的热点问题之一,一直受到很多专家、学者的关注,目前已经提出很多跟踪方法。运动目标检测是跟踪的前提,通过检测可以判断视频图像序列中有无运动目标及运动目标的数量等信息,根据检测到的目标信息应用目标的特征相关性即可对目标进行分别跟踪,从而得到各个运动目标的具体位置信息。为达到目标跟踪精度高,鲁棒性强,实时性好的要求本文研究了多种运动动目标检测和跟踪方法,在各个方法的基础上寻找最优解决方案。本文主要以人体目标为研究对象,在摄相机固定于三脚架上的情况下,对室内环境下(即静态背景下)的运动目标进行检测及跟踪,主要从运动目标检测,目标特征提取及匹配,运动目标跟踪三个方面进行了研究。1.运动目标检测环节中,通过分析光流法、背景相减法和帧差法的原理及各自的优缺点,提出了一种融合三帧差分和背景相减的多运动目标检测方法。实验表明了该方法可以有效地提取目标的轮廓,实时对运动目标进行检测。2.运动目标特征(颜色、边缘、纹理、角点等)分析过程中,主要采用二阶或加权颜色直方图提取颜色特征、灰度共生矩阵或离散小波变换提取纹理特征、harris角点检测及匹配的角点特征提取和基于梯度的边缘特征提取方法。特征提取与匹配方法的研究为运动目标准确跟踪作了铺垫。3.目标跟踪环节,由于环境中灯光变化、目标与背景颜色相似等问题的存在,提出基于二阶直方图的粒子滤波方法也就是利用颜色特征匹配的方法以及基于颜色、纹理特征相结合的改进Camshift (Continuously Adaptive Meanshift)方法对运动目标进行跟踪。实验结果表明本文提出的改进粒子滤波方法和改进Camshift算法比基于颜色特征的Meanshift方法跟踪效果好且跟踪更准确,可以有效克服颜色相似带来的干扰问题。然而上述两种方法都不能满足遮挡情况下对目标跟踪准确、快速、鲁棒性的要求,本文将两种方法进行有效地结合,采用改进Camshift算法跟踪不被遮挡的待跟踪目标,一旦遮挡发生,立即采用粒子滤波算法进行跟踪,Camshift与粒子滤波混合算法主要是利用Camshift算法跟踪目标的快速性、粒子滤波的准确预测性,从而达到跟踪要求。