视频中运动目标跟踪是计算机视觉领域中富有挑战性的课题之一,在军事制导、视觉导航、安全监控、智能交通、视频编码、医疗诊断和气象分析等众多领域中有着广阔的应用前景,跟踪算法的研究具有重要的实际意义和理论价值。视频运动目标跟踪系统包括两个重要部分:运动目标检测与跟踪。本文的主要工作如下:在运动目标检测方面,主要包括基于帧间差分法,基于背景差分的方法和基于光流场的方法。本文根据所处理的视频图像的特点,采用了基于多帧边缘差异的目标检测算法。该算法利用一组帧的边缘差异来提取运动对象区域,通过聚类方法去除背景像素点,利用形态学算子得到对象分割模板。该方法的优点是操作简便、速度快、易于实现。在运动目标跟踪方面,运动目标跟踪算法直接影响着运动目标的准确性和稳定性,现有的目标跟踪算法大多需要处理的数据量大,运算复杂。本文在对目标检测和跟踪算法分析的基础上,提出了两种目标跟踪算法:“基于形心和矢量的视频对象跟踪”算法和“基于运动估计的Kalman滤波视频对象跟踪”算法。“基于形心和矢量的视频对象跟踪”算法:视频对象分割后,使用区域增长法将视频对象分成若干个区域,然后利用视频序列中连续两帧中每个区域的形心和矢量的方向,快速、有效地自动跟踪多个目标对象。“基于运动估计的Kalman滤波视频对象跟踪”算法:首先进行视频对象分割,求出运动目标的形心。再利用视频序列中连续两帧的形心和运动矢量信息,用kalman滤波对运动目标的形心在下一帧的位置进行预测,从而快速、有效地自动跟踪多个目标对象。实验结果表明,这两种算法对运动目标的出现和消失,以及非刚性物体的尺度变化和变形,具有较强的鲁棒性。