随着计算机对数据处理性能的大幅提升,很多基于机器视觉的应用取得巨大的发展。视频图像处理是机器视觉中比较重要的一种应用研究,也是图像处理领域中非常重要的研究部分。在基于视频的多目标检测与跟踪的应用中,针对具体和特殊的应用场景,根据识别目标的特性不同,有许多基于不同特征的视频处理应用,例如基于人脸识别的视频跟踪,基于轮廓检测的视频跟踪,基于颜色直方图的视频跟踪算法等。但是,视频具有很高的复杂性和运动目标本身不确定性,多目标的视频跟踪还有很大的研究空间和研究价值。在本文的应用场景中,视频检测的对象为农场内的同种动物,例如一片区域内的鸡或者鸭,它们具有3个主要的特点：类型相同；自身特征差异不明显；数量较多。由于类型相同,不能靠动物的不同形态特征进行区分；由于动物之间的特征差异不明显,不能很容易得通过颜色、轮廓或者脸部特征等特征进行区分识别；由于数量较多,若找出微小的差异作为特征进行识别,那么算法的复杂度会比较高,在数量较多时,就会严重影响识别速度且正确率不能保证。因此本文采用了基于数字识别的检测方法,即在动物身上贴上数字作为记号,通过识别不同数字,达到顺利检测动物的目的。利用数字作为辅助特征进行识别可以降低对动物本身特征提取的复杂度,减小了计算量,从而可以提高识别的效率。本文研究内容来源于某农场对动物运动情况监测的实际需求。将基于视频的多目标检测与跟踪技术应用在农场动物上主要是为了监测动物的健康状况。动物的健康状况与其运动状态有比较密切的联系,通过视频跟踪,监测到每个动物的运动状态,对每个动物的运动量和运动时间进行后续分析,可以初步发现可能存在问题的动物,便于用户及时进行问题动物的筛查,减少养殖过程中的损失。本论文的主要研究工作及创新点如下：1.对于同类型多目标的检测,提出了利用数字作为识别特征进行检测的方法,可以有效地对同种类型特征区别不明显的多物体进行识别,且识别数量增大时,只需要增加数字的编号,不需要重新寻找特征进行算法修改,非常方便高效。2.对于数字识别的算法,创新性地提出了算法仲裁的思想,结合了多种特征进行数字识别,对基于穿越线特征、基于模板匹配和基于SVM(Support Vector Machines)的数字识别的结果进行仲裁,最终得出数字的结果,降低了数字的误识别率。3.由于数字跟随动物运动,数字的方向具有随意性。因此本文提出了利用仿射变换进行数字旋转矫正的方法,将数字在方向矫正之后进行识别。4.针对数字重叠以及图像中存在与数字相似的区域的干扰问题,本文创新性地提出基于历史数据进行数字跃迁判断,以及基于视频内数字范围智能筛选有效数据的方法。5.本文创新性地提出了利用分布式处理机制处理数据的方法,对以往串行处理数据的方式进行了改进,利用并行的方式提高处理图像的速度。