运动目标的自动检测和跟踪是计算机视觉系统研究的重要内容之一,目前在这一领域已经提出了许多算法,取得了令人瞩目的成就。本文着重对静止背景下视频序列中运动目标的检测和跟踪方法进行了分析和研究。本文首先讨论了几种经典的运动目标检测和跟踪算法,在目标检测方面重点研究了光流法、帧间差分法和背景消减法,并对帧间差分法和背景消减法进行了仿真实验,分析了它们的优缺点。在目标跟踪方面,基于不同的目标类型,研究了两种不同的跟踪算法;对于刚体目标,重点研究了基于相关法的目标跟踪算法,利用三步搜索算法和区域搜索算法对原方法进行了改进,提高了搜索效率。对于非刚体目标,本文采用灰度直方图的方法对其进行处理,灰度直方图能够反应图像中各灰度信息的概率分布,仿真实验结果证明了该方法对非刚体目标取得了较好的处理效果。本文着重介绍了基于背景高斯建模和Kalman滤波预测相结合的跟踪算法。首先对视频图像进行预处理,以去噪声干扰,提高对比度,便于后续目标的检测和跟踪处理。通过为静止背景建立自适应的高斯背景模型来检测运动目标。在实际视频图像中,背景往往会发生微小的变化,为了更好的适应这种情况,本文对算法进行了改进,加入了背景更新参数,可以根据实际视频场景实时地更新背景;通过对实验结果的分析,改进后的算法明显减少了误判率,提高了跟踪准确度。提取出运动目标后,利用自适用阈值分割将前景像素和少部分背景像素分割出来,通过图像二值化,利用马尔科夫和形态学去噪相结合的方法来滤掉零散的背景像素点,最后得到了准确的运动目标模板。在目标跟踪方面,本文引入了Kalman滤波器对运动目标的运动趋势进行预测,大大减小了搜索区域,提高了运算速度,达到了实时性的要求。仿真实验结果表明,上述方法能够在很大程度上提高了运算速度和跟踪准确度。