视频图像序列中的运动目标跟踪一直是计算机领域中的热点问题,在动态场景中运动目标的检测和跟踪技术通常可以利用在视频监控、人机交互、汽车辅助驾驶、运动行为分析等方面。在实际的生活生产过程之中,目标跟踪技术仍然是计算机视觉中富有挑战性的工作。基于视频图像序列中运动目标的特征和其跟踪方法和应用,本文作出工作如下:(1)文中提出一种新的边缘检测方法用来改善图像边缘检测噪声点过多的问题。图像的边缘被用来进行图像分割、模版匹配和图像识别等方面的探讨和研究,是图像最基本的特征和构成因素。在图像的边缘检测内容中,由于检测图像边缘的方法式多样化的,但其中适用性最广最为快速的方法还是基于模糊梯度算法中的边缘检测方式。文中对现有的模糊梯度算法进行评估和讨论,希望能够解决掉其中存在的缺点问题并且对之进行进一步的完善,最终得到一种更新型更好的图像边缘检测方法。(2)在基于现有的运动目标跟踪方法中,对于图像的复杂背景有噪声干扰的情况下,改善帧间相减法算法来是目标跟踪方法更加完善。很多物体都会随着时间而进行运动,在实际生活中,不同的运动物体对于不同的群体传达着非常不一样的视觉信息,而这些视觉信息又会给群体们带来非常重要的现实意义,人们用视觉所捕捉到的信息往往会对其有实际意义与使用价值。在研究基于视频图像的运动目标的检测与追踪具有着重大意义,目前实验中已经实现了对运动物体的检测与追踪,在探究理论的过程中,发现帧间差分法在获取运动目标并跟踪的这种形式是最为简便和完整可靠的一种。在运动目标追踪检测方面,运用的复杂度的分块搜索法来进行计算,能够将其进行仿真模拟实验与编程实现。(3)针对图像在一些光暗程度变化较大时和图像的背景复杂的情况下本文改善两种图像清晰化算法,以及和原有的卡尔曼滤波方法进行比对。在公共环境的安全和防护成为人们关注的热点问题同时,而视频监控即为最常用的公共安全保护措施,在马路、银行、医院、学校等公共区域,视频监控技术被广泛应用与生产生活之中。虽然高清摄像头已经逐渐开始普及,在图像受到一定的光暗程度变化干扰和复杂背景时会使原有的算法没有明显效果,本文使用维纳滤波算法和同态滤波算法来进行图像的清晰化工作。