地面移动目标的图像跟踪研究是指在一串连续的视频序列中对要跟踪的目标进行检测、识别、定位和跟踪等处理的一门技术,在监控、无人机追踪等方面有着非常广泛的应用。该技术可以实时探测地面移动目标的方位、速度等信息,然后根据这些信息可以对目标进行行为分析、监测等高级任务。然而在一些场合,由于摄像机的运动而导致的背景移动使得传统的静态目标检测方法难以实施,给后期的目标跟踪带来了巨大挑战。本文对图像处理相关的基础知识,目标检测、跟踪的传统算法理论进行了系统学习,并对灰度投影的背景补偿方法进行了详细的研究,在分析各种算法原理特点的基础上,对相关算法进行了改进,改进的基本思想是:(1)针对以前应用于背景补偿的灰度投影算法中运行速度慢、消耗时间长等问题,本文将最小二乘法应用于灰度投影算法中,采用2点线性逼近预测机制,对下一帧的背景位移量加以预测,从而提高运行效率。且在背景位移量的检测以及预测方面,由于相关性函数的单峰特性,引入了将搜索区间折半的思想,使得算法的效率大大提高;(2)针对运动目标检测算法中存在的轮廓不清晰、目标灰度与背景灰度相似以及物体运动速度难以控制出现的空洞、漏检和错检等问题提出了五帧差分法和融入canny算子的背景减法相结合的运动目标检测方法,该方法可以得到运动目标的精确区域,使目标区域轮廓更加清晰,增加检测的准确性;(3)针对传统目标跟踪算法中的缺点,如Mean-shift算法不能跟踪受遮挡、大小变化的目标;Camshift算法不能抵抗相似色物体干扰;粒子滤波算法复杂度高,耗时较长,还有粒子退化等问题。因此本文提出将Mean-shift算法与粒子滤波算法相结合,使用Mean-shift算法的聚集作用来收敛粒子,使每个粒子都朝着移动目标附近收敛,这就大大减少了完整描述目标状态信息所需要的粒子数目,缩短时耗,达到实时准确跟踪的目的。