行人的检测和跟踪一直以来都是计算机视觉领域的一个研究热点，在视频监控、军事科技、智能交通管理等方面都有着非常广泛的应用。当前大部分计算机视觉系统采用的普通镜头的所采集到的图像的视场角一般是在40°到50°之间，如果仅仅用一个摄像头很难获取周边所有的信息，使得观察的范围受限。选择鱼眼镜头可以实现单点大范围的监控，对于行人的检测和跟踪来说就能够获取更大区域视觉的场景。但是鱼眼镜头的图像会伴随着较大程度的畸变，在进行行人的检测和跟踪的时候会遇到一些困难。本文研究了运动的行人目标检测和跟踪算法在鱼眼镜头中的应用，并针对鱼眼图像的特性进行了相应的改进，并对鱼眼图像的校正进行了研究，主要成果如下：　　（1）对于鱼眼图像中的运动行人的检测，本文首先分析了其中包括背景差分法、光流法和帧间差分法在内的一些经典的运动目标检测算法。对于这三种方法进行原理研究和实验分析，根据实际情况最终提出了一种以混合高斯模型为基础的背景差分法的前景提取方法。首先使用混合高斯模型对鱼眼图像的背景进行实时的更新，接着通过每一帧图像和背景进行比对来获得前景的运动目标。针对鱼眼镜头中由于镜头畸变导致的运动行人大小不同的情况，根据鱼眼图像的几何特性对鱼眼图像使用改进后的形态学处理，得到了鱼眼图像中的所有运动的前景目标。对于提取到的前景目标以HOG特征进行简单的SVM分类来确定是否是行人，最终得到了鱼眼镜头图像中完整的行人目标。经过试验证明，该改进后的算法对于鱼眼图像中运动行人的提取具有良好的实时性和鲁棒性，并且运行速度快，对硬件要求低，有很高的可行性。　　（2）对于鱼眼图像中行人的跟踪，本文首先研究了目前常用的几种单目标跟踪算法，在此基础上针对鱼眼镜头图像中的多目标跟踪，建立了一个基于以卡尔曼滤波并结合了颜色纹理等多个特征的多目标跟踪框架。经过具体实验的验证，我们提出的这个多目标跟踪框架在鱼眼视频中可以有效地跟踪多个运动不同的目标，对行人跟踪具有比较高的准确度。　　（3）鱼眼图像有效区域的得到和对于图像的校正是鱼眼图像处理算法实现中两个十分重要的环节。对于圆形有效区域的提取，本文在分析了逐行逐列扫描算法、面积统计算法、区域生长算法等几个常用的有效区域提取算法的优缺点以后，根据课题的视频特点以及对实时性的要求，使用逐行逐列扫描算法来进行有效区域的提取。对于鱼眼图像中检测到的运动目标，有时可能需要提取以后观察，但是由于鱼眼图像的畸变使得我们需要对其进行一定的校正处理。本文提出了一种简单实用的校正方法，利用鱼眼图像本身的特点求出其变换球面半径和光学中心，然后通过简易数学模型将鱼眼图像校正为正常的图像。通过对课题的鱼眼视频进行实验后验证，我们提出的方法对鱼眼图像中行人的检测和跟踪准确且高效。