动态背景下的目标检测与目标跟踪技术被广泛应用于各个方面,比如无人机航拍、无人驾驶、精确武器制导等。虽然关于动态背景下的目标检测与目标跟踪有很强的的实用性,但是其实现难度却非常大,因而也是一个研究的热点问题。传统的检测算法虽然比较快速,但是对于在运动背景下目标的检测与跟踪并不是很适用,对于正确检测出目标存在着一定的难度。本文为了可以实现在运动背景下对目标的检测与跟踪,提出了一种基于背景的运动补偿的目标检测与目标跟踪的算法,并将该方法应用到对智能车辆的跟踪上。该方法首先对连续的两帧图像进行Harris角点检测,接着通过匹配以及筛选出的特征点对对摄像机模型进行参数估计,然后根据得到的摄像机模型对背景补偿,得到相对静止的背景信息,最后采用帧差法将移动目标检测出来。对移动目标的持续追踪则采用Camshift算法,将初始化的搜索框内的H分量的均值作为基准,同时设置阈值t,当此前搜索框内的H分量的均值与基准的差距大于t时,重新计算目标的颜色直方图,并将当前搜索框内的H分量的均值作为基准,同时对颜色模板进行实时的更新。将得到的每帧图像的搜索框的尺寸与初始化的进行比对,若差距大于预设阈值,则认为受到同色背景的干扰,此时可根据帧差法重新定位搜索框。本文将上述提出的目标检测与目标跟踪应用在智能车上,并进行了相应的实验,同时结合实验结果对该方法进行了综合性的分析。