本文研究的主要内容是视频监控系统中的运动目标检测与跟踪技术。近年来,智能视频监控系统的应用已经成为各国研究的热点。运动目标的检测与跟踪正是这项研究中最基本、最核心的问题,也是研究者目前备受关注的前沿方向之一。本文针对运动目标的检测与跟踪技术进行了探索与研究,提出了一些改进的方法,并通过实验验证了这些方法的有效性。本文的研究主要包括以下几个方面:1.根据目前运动目标检测多采用背景相减法的特点,使用了一种改进的基于帧间差分的背景图像重建方法。该方法简单易行,用计算机实现起来也比较容易。它仅对背景像素区域进行累加,在运动目标出现的区域则用图像的平均灰度值代替,可以对前景中的运动目标干扰起到抑制作用。实验证明,该方法能够有效地获得背景,解决了背景相减法中难以获得背景的难题。2.考虑到初始建立的背景不是一成不变的,而是需要随着环境的变化实时更新的。因此,本文提出了一种自适应的背景实时更新算法。这种算法克服了传统更新算法中更新速率完全凭借经验取值并且不能自适应调节的缺点。3.根据阴影的光学特性可知,阴影内部的像素灰度低于背景区域。本文使用了一种改进的阴影去除方法。即:先将当前图像与背景图像相除,可以得到阴影的潜在区域,然后根据相除之后图像的直方图大致估算阴影区域,进一步缩小潜在区域的范围,最后使用梯度算子检测出真实的阴影区域。实验证明,该方法能够有效地去除运动目标的阴影。4.在运动目标的实时跟踪中,基于Kalman滤波预测的方法是一种常用的有效方法。它对运动目标进行适当地预测,缩小了匹配搜索的区域,可提高跟踪的实时性,并且它还可以较好地解决“遮挡问题”。因此,本文采用了基于Kalman预测的方法对运动目标进行跟踪。实验证明,该方法能够对检测出的运动目标进行实时跟踪。