本文是“室内人体异常行为识别报警系统”项目的一部分,该项目为针对室内环境的人体行为监控。旨在通过整合智能视频监控处理流程中的各大关键技术,选择适应于该特定环境的有效算法,能够准确地检测出人体,跟踪其运动轨迹,分析其行为,准确识别打架等异常行为,达到实时监控的目的。作为该项目的一部分,本文主要研究了室内场景下运动人体检测与跟踪的基本理论和关键技术。利用VC++和OpenCV搭建实验平台,实现了系统的运动目标检测模块和跟踪模块。本文首先对系统的主要流程,拟解决问题做出了限定,提出了人体运动与外部环境假设,并介绍了相关背景知识,包括:系统颜色空间的选择,运动人体目标检测与跟踪技术。在运动人体目标检测部分,详细介绍了传统的基于背景差分的目标检测算法原理。针对传统算法对图像信息利用不充分,背景模型建立慢,以及更新机制不合理等缺陷,提出了一种改进的基于背景差分的目标检测算法,对彩色图像分通道进行像素级和帧级两个阶段的处理,并在背景更新过程中区别处理目标区域和背景区域。实验表明,本文算法能够克服上述缺陷,快速准确地提取出运动目标。另外,本文还实现了阴影的检测与去除,以及粘连人体的分割。在运动人体目标跟踪部分,首先归纳了描述目标的一些特征,然后详细介绍了Mean Shift和CamShift两种常用跟踪算法原理,讨论了它们各自的优缺点和适用范围。在此基础上提出了一种联合多特征的Mean Shift跟踪算法,目标模型联合了特征候选集中对目标描述能力最好的两种特征,并对特征的可信度进行加权处理,有效解决了Mean Shift算法在有颜色相近的干扰目标存在情况下跟踪可能失效的问题。通过实验,与传统Mean Shift跟踪算法做了对比,表明本文算法在跟踪准确性和鲁棒性上都得到了提高。