基于视频的运动目标检测与跟踪技术是计算机视觉的主要研究方向之一,它是智能监控、人机交互、移动机器人视觉导航、工业机器人手眼系统等应用的基础和关键技术。在实际生活中,运动目标的检测与跟踪广泛涉及到人体跟踪及鉴别、智能运输、交通流量监测等方面。在过去几年中,国内外有大批学者投入到该领域,并且取得了大量的成果。在这些基础上,本文主要针对智能监控中的运动目标,分别提出用于静止背景视频序列的运动目标快速检测算法和基于区域相关性描述的多特征匹配跟踪算法。主要内容可概括如下:1.针对摄像头固定的视频序列,利用有限帧均值法快速检测运动目标。由于图像序列中运动目标出现在每一帧的不同位置,本文创新地把运动目标看成随机噪声,因此,使用有限帧均值法就可以快速提取背景模型。利用提取出的背景,本文利用高比特位异或的方法提取运动目标,与传统的背景差分的方法相比,本文算法可以避免光照和摄像机抖动引起的噪声影响。实验表明:该快速算法能快速提取出摄像头固定的视频序列中涉及的运动目标。2.针对传统上只从灰度图进行特征考虑的不足,本文提出一种基于区域相关性描述的多特征匹配跟踪算法。该算法首先建立目标模板,提取颜色、纹理、边缘梯度等多维特征,并建立相应的特征矩阵。在匹配准则方面,采用Forstner提出的距离测量算法,并用颜色相似度准则衡量颜色匹配度,用异或匹配概率衡量边缘轮廓匹配度等不同衡量准则度量目标的匹配程度。实验结果表明:本文所采用的跟踪算法,有较好的跟踪效果,并且跟踪效率也有很大的提高。3.为了缩小搜索范围,本文把搜索区域设定在检测出的运动目标的最小外接矩形内,与全局搜索相比,缩小了跟踪区域。为了进一步缩小搜索区域,本文提出了一种双“回”字形匹配跟踪方法,双“回”字形范围即为在外接矩形和匹配模板两倍大小的交集范围。通过实验表明:采用双“回”字形窗口,可以极大地减少不必要的搜索区域,实现快速有效的跟踪。