随着数字图像技术的飞速发展和数字媒体的广泛的应用,基于视频的运动目标检测与跟踪已经成为目前数字视频技术的重要内容,它不仅要求能够在一段视频中将待检测目标与视频背景相分离,同时还要为后续的目标跟踪,运动轨迹分析等奠定基础。运动目标检测是指在视频序列图像中检测相对于整幅场景图像运动的物体,目前,视频目标跟踪技术已经广泛应用于安全监控、区域监测、交通管理、智能车辆、军事管制以及生活娱乐等诸多场合,成为了视觉研究领域的热门课题。目标跟踪是计算机视觉中最困难的任务之一,这种困难主要是由形状变化,摄像机及目标的运动和目标所处的背景变动等引起的,特别是目标的形变,它可能是具有仿射变化,包括位置,旋转,剪切变形或者尺度变化等。另外,目标可能是有几种铰接体组成的,在这种情况下,被检测目标的变形甚至可能完全是弹性的。这时,采用B样条曲线可以有效地避免运动目标的检测与跟踪中的误差。另外,在视频图像运动目标的状态估计与实时跟踪问题中,经常要用到的是卡尔曼滤波方法。本文采用的是一种结合了Unscented卡尔曼滤波算法和B样条形曲线的目标跟踪方法。仿真结果表明,该方法可以有效地对视频运动目标进行提取和检测,进而为下一步的跟踪和分析奠定基础。本文将背景差分法、snake模型、unscented卡尔曼滤波法结合起来,应用于视频运动目标的跟踪问题,详细分析了各种已有的视频目标跟踪方法的稳定性,去噪性,实时性以及定位目标的精确性,在比较各种算法优缺点的基础上,引入了B样条曲线跟踪法,用来实现对运动目标的轮廓线的检测。本文详细地阐述了基于unscented卡尔曼滤波法以及B样条形曲线的运动目标跟踪的具体算法和详细的流程,并进行了仿真实验,对比分析了该方法与其他各算法的优缺点,并对仿真结果进行了误差分析。实验结果表明,基于unscented卡尔曼滤波法与B样条曲线的运动目标跟踪法可以有效并且直观地检测出运动目标的真实运动轨迹,并实现在此基础上对目标的位置预测功能,满足实时性的要求。