智能视频监控是近几年来机器视觉研究的重点领域,而这一领域的研究核心是基于视频的运动目标检测、跟踪和后续的行为识别。它融合了模式识别、图像处理、人工智能、自动控制和机器视觉等多个领域的高技术课题,在军事指导、视觉导航、安全监控、智能交通、视频编码等领域有着广阔的应用前景和实际意义。本文主要介绍了视频序列图像中运动目标的检测与跟踪的基本理论和关键技术。重点研究了复杂场景下运动目标的鲁棒性检测和跟踪计数技术。在复杂场景运动目标检测方面,首先对目前三大主要检测方法(即背景减除、帧间差分、光流场法)进行了概述和归纳,给出了相应的实验结果,分析并总结了各自的优缺点。然后对基于混合高斯模型的运动目标检测算法做了详细的分析和论述,并在此基础上对该算法进行了改进:本文算法中假定混合高斯模型中相邻像素间颜色信息无相关性,各像素的高斯背景模型相互独立,我们对每一个像素建立一个背景模型,采用目标像素帧间相关性,随机噪声帧间无关性思想,并结合了集中方向光流场运动特征的时间滤波(Temporal Filter)算法,后期进行了数学形态学处理。从而有效的解决了场景中类似摄像机抖动、树枝摇曳、水面波纹等周期性的运动目标检测问题。实验结果表明,该算法检测效果好、速度快、稳定。目标跟踪计数方面,为了达到实时稳定的目标跟踪效果。本文采用基于Kalman滤波与Mean Shift相结合的跟踪算法理论,一开始运用自适应背景减除法获取前景运动区域,根据事先设好的阀值对感兴趣的目标区域进行滤波。然后采用Kalman滤波算法预测运动目标下一时刻可能的运动区域,同时结合Mean Shift算法对检测到的运动目标进行特征计算获取质心画框实时跟踪,提出了利用跟踪框信息来实时的统计视场内运动目标的计数方法。取得了比较理想的效果。