运动目标的检测和连续跟踪技术是目前计算机视觉领域的前沿方向和热点研究,因为其融合多学科的先进技术,在诸多行业广泛使用,更因为因其背后蕴藏着巨大的经济效益和商机,引起诸多科研机构、学术界和企业界的关注。当前很多的科研机构、企业都在该领域投入了大量精力进行研究和探索,取得了丰硕成果,本文的研究是基于这些成果进行的进一步探究和实验。本文选择的研究课题为探索图像中运动目标检测和跟踪的算法理论,研究视频序列中运动物体的监测、跟踪等技术。在跟踪检测运动对象时,使用图像处理、分析的技术手段分析视频,实现跟踪监测运动物体的算法,对视频序列中的目标对象能够标识其坐标并且能够跟踪该物体,给出正确的运动轨迹,在此基础上分析视频图像序列中运动目标的行为,从而指导各种实际应用。传统的运动目标检测方法各有利弊,很难满足不同环境进行检测跟踪的速度和精度的要求,尤其在复杂光照环境和多运动目标的环境下,跟踪效果不理想。所以针对这个现状,本文做了以下工作:(1)在运动目标检测研究部分,本文对比分析国内外目标检测算法的性能,主要研究背景差分和连续帧间差分在检测运动物体中的实际效果,并提出了新的运动检测算法,本文算法合理融合这两个算法的优点,形成了本文的运动目标的检测算法,此外本人还实现了自适应的背景更新算法,能够适应光线和其他干扰因素对背景的影响,完成背景实时更新。为了消除无关的因素和噪声对目标对象的干扰,本文对检测出来的运动目标使用数学形态学滤波的进行处理,将运动目标加以增强显示。经过实验验证,本文的算法可以清晰检测到运动对象,在复杂背景下可以实时更新背景,抗干扰性比较强,算法执行速度快。(2)本文对本实验中图像的预处理做了系统的总结,在此基础上提出适合本文实验环境的图像增强,图像噪声处理和图像分割方法,改进了最大类间距算法,对目标对象跟踪的研究部分,在运动目标已经被检测到的基础上,采用卡尔曼滤波的跟踪算法完成目标跟踪,针对视频中多个运动物体的情况,提出新的跟踪方案,并开发完成本文的检测与跟踪软件原型,利用Harris角点进行匹配跟踪,有效的避免了目标边缘相似性特征的影响,经过实验和分析,证明本文的算法在能够不丢失目标进行持续跟踪,并且在多目标和发生重叠的环境下,可以分别跟踪不同目标对象并加以标识,跟踪效果准确,算法执行效率比较快。