在人所感知到的环境信息中,视觉信息占了非常大的比重,其中动态视觉信息更是其主要组成部分。感知环境中的这些动态视觉信息已成为计算机视觉的一个重要的研究方向。运动目标检测与跟踪是应用视觉和运动图像编码研究领域的一个重要课题,在许多领域有着广泛的应用。运动目标检测与跟踪的研究对象是视频序列,或者说图像序列。运动目标检测就是判断视频序列中是否存在运动目标,并确定运动目标的位置;运动目标跟踪是指在整个视频序列中监控运动目标的时空变化,如目标的位置、尺寸和形状等。运动目标的检测与跟踪是紧密关联的两个过程,跟踪始于检测。由于光照变化、背景干扰等现象的存在,都给运动目标的正确检测与跟踪带来了极大的挑战。
　　本文在总结和分析现有运动目标检测与跟踪方法的基础上,重点研究静止背景下运动目标的检测和跟踪技术。在静止背景下的目标检测方面,分析当前三种目标检测和提取算法的原理,通过实验对瞬时差分法和自适应背景相减法进行分析。同时着重研究自适应背景模型方法。针对具体的应用背景,本文提出了一种对自适应背景相减法中的背景更新的改进方案。实验表明,该方法能够在较大程度上满足系统的要求,提高检测结果精度。通过研究典型的目标跟踪算法,建立运动目标的数学模型并提出了基于卡尔曼预测和更新的目标识别跟踪方法。所谓“更新”,就是对模板图像不断更新,把当前帧的匹配区域作为新的模板,在下一帧中用该更新后的模板进行匹配,再把匹配区域作为新的模板,如此反复,模板就能适应目标状态的不断变化,所以跟踪更准确;所谓“预测”,就是充分利用动态图像序列之间的相关性,根据目标以前的数据(位置、速度)估计目标将来可能的位置区域,这样就减少了目标的匹配区域,从而缩短了匹配时间,使跟踪更快。本文主要在MATLAB平台上进行仿真,实验结果证明了本文所研究算法的有效性和可行性,具有良好的应用前景。