当代高速发展的科技,计算机视觉成为一门愈来愈受到关注的综合性学科。借助于计算机视觉实现运动物体的跟踪和预测已经成为国防军事技术、工业化生产、现代化农业必不可少的环节。计算机视觉领域中的目标跟踪是一门融合了图形图像处理、智能系统、过程化控制的交叉性学科,在工业生产控制的应用方面有着独特优越性,应用方面遍布生活中的每个方面,特别是基于计算机视觉的运动物体的跟踪和预测对未来国防安全方面有着重要的影响。在平时道路中的车辆、银行的自动提款机、停车场、住宅小区等等方面有着广泛应用,以防止盗窃、抢劫等安全事故的发生,所以目标的跟踪预测在保障社会公共安全方面发挥着重要的作用和不可替代性。对目标的跟踪和预测是从图像中提取我们感兴趣的目标,可以使用多种方式的跟踪算法。而背景差分法是为实现目标的跟踪和轨迹预测最重要的方法之一。背景差分法就是采集场景的背景图像,背景图像帧与当前时刻的图像帧进行异或或者相减操作,以达到目标的识别与跟踪的目的,在无遮挡情况下,跟踪的精准度较高。在实际的跟踪中,由于摄像机的抖动、光照条件的变化、跟踪目标的增多等原因,以及目标在跟踪时可能出现重合、遮挡、轮廓的变化等等因素,使得跟踪和预测的可靠性和精度面临极大的挑战,并且现有的跟踪预测算法大部分的讨论是对目标的跟踪,对目标的预测缺少在相关科研方面的研究。因此,本文提出基于计算机视觉和计算机视觉软件halcon10.0、背景估计法、和马尔科夫链模型对多运动物体的目标跟踪预测进行了深入的研究。基于halcon10.0的背景估计法的跟踪,实现目标的实时跟踪,并且将马尔科夫链模型应用于多目标图像的跟踪预测；从实验结果和理论研究两个方验证了理论的可靠性和高效性。本文主要内容如下：(1)介绍了基于计算机视觉的目标跟踪的科研现状,同时介绍了现有的基于计算机视觉的目标跟踪方法,对基于计算机视觉的目标跟踪系统做出了分析,并对多目标跟踪的预测技术进行了相应的阐述。(2)基于halconl0.0背景估计法的跟踪,本文使用halcon10.0软件实现对目标的跟踪检测,首先对halcon10.0软件和它的应用进行了介绍；使用halcon10.0在将视频读入后,首先要使用halcon10.0调用相关的函数对视频的图像序列进行基本的处理,图像的基本处理直接关系到目标跟踪的精确度和可靠性。本文的图像基本处理包括阈值分割、获取目标区域、去除噪声。然后使用halcon10.0对视频进行背景图像的建模,利用背景图像实现对当前帧中图像的识别和跟踪。(3)针对目标跟踪中的图像分割问题,提出采用半监督凝聚聚类进行图像分割或者图像数据类别划分时,可以动态确定图像划分的区域即聚类数目。本文对现有的半监督竞争凝聚聚类算法的聚类数目确定方法进行改进,采用遗传算法优化聚类中心的搜索,提高算法的准确度,降低聚类数目的波动性。针对非线性数据的情况,改进算法引入核距离度量方式,核距离不仅能够很好的解决非线性图像的处理问题、对于线性数据的聚类效果也非常有效。(4)基于马尔科夫链模型的预测对马尔科夫链原理进行阐述,对图像进行分块,阐述分块的依据,根据马尔科夫转移概率矩阵估计法得出转移概率矩阵,提出了将马尔科夫链应用到目标的跟踪预测中,对当前时刻图像提取出感兴趣的区域(即目标区域)的运动状态,计算转移概率矩阵,使用马尔科夫链模型对目标的下一个状态进行预测。(5)实验结果分析本文对道路中的单个目标和多个目标进行跟踪,并根据分块的大小进行对比性的实验；本文中预测算法和粒子滤波预测算法、卡尔曼滤波的预测算法做出相应的算法比较,根据统计的位置偏差来计算各种算法下的位置的偏差,进行对比,基于单目标跟踪预测和多目标跟踪预测在三种算法下的位置,得出实验结论,验证本文算法的可靠性和精确性。经过实验验证和实验结果分析证明：(1)使用halcon10.0软件能够较好的减少整个目标的跟踪处理时间,与其他的软件处理平台相比较则更加显示出它的实时处理上的优越性。(2)使用背景估计方法,对图像的质量要求不高,算法较为简单,能够减少目标识别的误差,可以在无遮挡情况下精准的对目标进行跟踪。(3)将马尔科夫链模型应用于目标跟踪的预测中,在对目标的动作进行预测时能够减小搜索的范围,使预测更精准、更快速,大大提高了目标跟踪预测的效率。