世界在不断变化中,相比于静态单一图像,动态图像能够提供更加丰富的信息。那么要从包含大量数据的动态图像中提取目标的运动信息,就需要采用视频运动目标检测与跟踪方法。作为当前机器视觉和计算机图像处理的热门领域,运动目标检测和跟踪涉及到人工智能、模式识别、自动控制等众多学科,同时对机器人导航、军事制导、智能交通、医学图像分析以及当前蓬勃发展的智能家庭等领域有着广泛的应用。文章针对当前运动目标检测和跟踪算法在复杂背景下对目标跟踪难、实时性和准确性不高的应用难点,主要以行人和车辆以及空中飞行飞机为跟踪对象,研究了提高图像跟踪算法性能的各种策略,以便使得算法达到实时、准确跟踪、多目标跟踪的目的。首先,文章介绍了国内外视频运动目标检测和发展现状,对运动目标检测和跟踪做了系统的讲解,对复杂背景的特征以及跟踪难点进行了详细的探讨。针对复杂背景下的运动目标图像特征,采用Horn-Schunck(H-S)光流法和帧间差分法法结合的目标检测算法对目标进行提取,并利用投影定位算法获取目标形心所在方位。然后,文章研究了单目标跟踪算法,利用“当前”模型和卡尔曼滤波器,建立了基于“当前”模型自适应滤波算法,并基于该算法设计了自适应跟踪波门用于目标跟踪。讲述了常用的基于核的跟踪方法,并与文章引入的跟踪算法进行实验对比。在不同的复杂背景下,利用前面的单目标跟踪算法对不同场景中的运动目标进行跟踪,并进行了实验分析。接着,文章对视频图像的多目标跟踪原理进行了讨论,并对现有的航迹关联算法的缺陷进行了分析,将速度和位置信息引入到航迹关联中作为其基本参数,利用了该运动参数进行估计的航迹关联算法进行了仿真实验。最后,文章总结利用前面的理论和研究成果,并结合前面的多目标分阶段跟踪的多目标跟踪方法,并通过获得的多目标图像序列进行了实验验证和分析。