随着计算机技术、图象处理技术的不断发展,视频监控已经成为计算机视觉领域的一个重要研究课题,而运动目标检测与跟踪是视频监控的重要组成部分。本文基于全方位视觉设备获取场景中的运动目标信息,通过图像序列帧中区域像素值的变化检测运动目标,根据目标的特征实现目标跟踪。本文选取减背景法实现运动目标检测。采用统计方法建立背景模型并实现背景的自适应更新,能够在场景中存在运动目标的情况下实现背景的准确提取。在图像二值化处理过程中,本文实现了阈值的自适应选取,能够适应光照条件的变化,分割出较完整的运动目标区域,提高目标检测的准确性。在对图像进行连通域标记处理时,传统算法对邻域内的非零像素点需要两两作等价标记处理,本文对该算法作了改进,只需对其中的部分情况作等价标记处理,大大减少了邻域内像素点间的等价匹配次数,实验结果表明本文方法能有效减少系统处理时间,满足系统实时性需求。场景中的运动区域通常包含有一定背景干扰物存在,对其进行跟踪会增加系统不必要的开销,针对这一状况,本文引入运动区域的几何特征量,提出背景干扰过滤方法,实验结果表明本文方法能有效地过滤背景干扰,提高目标检测的准确性,并且减少了系统的运算量,提高了运动目标检测跟踪的实时性。针对全方位视觉中图像发生扭曲的特性,本文提出将运动目标的像素面积、中心坐标、外接矩形等形态信息与运动目标的颜色模型相结合进行特征匹配,提高了目标跟踪的鲁棒性;并且利用卡尔曼滤波实现了运动目标的预测,提高了目标匹配的精度与速度。最后,本文实现了基于全方位视觉的运动目标检测跟踪,实验结果表明,系统能够实现对场景中运动目标的准确、实时检测与跟踪。