在海事智能监控领域,船舶跟踪是获取船舶运动轨迹、速度等运动参数的第一步,内河背景下的各种噪声如光线、水波等都会影响船舶跟踪的准确性,对本文而言,也是进行摄像机标定的必要条件。摄像机标定是计算机视觉的第一步,在摄影测量、三维重建、计算机视觉等图像领域有着很广泛的应用。在运动目标检测方面,本文重点学习研究了Codebook背景建模方法,针对经典Codebook模型实时性不高的问题,提出一种融合快速排序的码本模型。根据码字的命中次数对码本模型中的码字进行冒泡排序,提高了活动码字首次匹配的成功率,提高了检测算法的实时性。在运动目标跟踪方面,本文重点研究了CamShift艮踪算法,针对传统CamShift算法是半自动的且在背景与运动目标颜色相近时容易发生目标丢失的问题。本文提出了一种改进的多特征融合的自适应跟踪算法,首先利用Codebook提取出运动目标,然后将CamShift算法中运动单一的目标模型更新为由颜色、形状及纹理特征融合的多特征模型,既做到了自动跟踪又增加了描述目标模型的鲁棒性和可靠性。在摄像机标定方面,本文采用了基于特定的投影规则的自标定法相结合的方法,建立了河面三维坐标系与图像二维坐标系投影模型,并通过非线性回归方法求解出投影模型参数。该模型可以将视频序列中的运动船舶的位置映射到现实世界坐标系中,实现了图像坐标系与世界坐标系之间的转换关系。本文最后在VC++6.0平台上,利用OpenCV中的库函数对图像序列中的运动目标的跟踪和摄像机标定算法进行了编程实现。试验结果表明,在运动目标检测方面,改进后的Codebook比传统的Codebook更高的实时性；在目标跟踪方面,改进后的CamShift算法不仅实现了目标的自动跟踪更提高了目标跟踪的精度；最后利用目标跟踪的结果求解了图像坐标系与世界坐标系之间的转换关系。