近年来随着科学水平的发展与计算机技术的进步,运动目标检测与跟踪技术取得了许多成果,期间涌现出不少优秀算法,实际应用领域也愈加宽广。然而,在复杂环境下,依旧存在着很多问题。针对运动目标检测与跟踪算法存在的不足,本文提出了一种新的运动目标检测与跟踪算法。总的来说,本文主要研究工作和创新性如下:1、图像处理基础知识的介绍。本文概括介绍了图像平滑处理、边缘检测和数学形态学处理的相关知识,针对本文所涉及的一些处理技术,包括中值滤波、Canny算子、膨胀腐蚀等进行了详细介绍。2、运动目标检测算法的研究。首先,介绍了传统的光流法、帧间差分法及背景差分法的基础概念及公式原理,并对其中几种代表性的算法进行分析对比,列出了它们的优缺点。然后,在此基础上提出了一种基于视觉背景提取模型的新算法——IDVibe算法。该算法分别从模型建立、模型匹配、模型更新及前景分割四个方面进行改进,通过融入三帧差分法的思想,有效地解决了“鬼影”、光照变化等问题。最后,通过实验仿真可以得到,本文提出的检测算法能更好地适应动态复杂的环境,有良好的检测效果和鲁棒性。3、运动目标跟踪算法的研究。本文以卡尔曼滤波跟踪算法、Mean shift算法和粒子滤波算法为基础,提出了一种融合多特征与Mean Shift的粒子滤波跟踪算法。首先,通过IDVibe算法对运动目标进行检测、定位。然后,融合颜色、纹理及边缘的特征信息进行模型匹配,实现粒子滤波跟踪。最后,运用Mean shift算法的收敛性,将粒子重新聚集到真实目标附近,实现运动目标的跟踪。通过实验结果可以证明,本文提出的跟踪算法能达到较好的跟踪效果,对比以往单一的跟踪算法有更高的准确性与实时性。