运动人体的检测与跟踪一直是计算机视觉系统的一项重要研究内容,涉及了模式识别、人工智能以及图像处理等多个学科的知识,在智能监控系统、安全控制等方面有着广泛的应用前景。由于人体目标的非刚性、衣着服饰、颜色等影响,人体检测与跟踪技术仍然具有相当大的难度。本文主要研究了静态背景下的运动人体检测与跟踪技术。在分析了人体目标检测与跟踪技术的方法和特点后,对已有的方法中存在的缺陷进行研究和改进,研究出了一套适合本文环境下的运动人体检测与跟踪算法。在图像去噪方面,针对传统的中值滤波算法对噪声面积较大的图像去噪效果不理想的缺陷,本文使用了一种阈值中值滤波算法。该算法在传统的中值滤波算法基础上插入了阂值判断,较传统的中值滤波算法的去噪效果更理想,同时对图像中含有较大面积的椒盐噪声也有很好的去噪效果。在运动目标检测方面,本文研究了一种基于三帧差分相乘与边缘检测相结合的运动目标检测算法。该算法与传统帧差法相比,能够减小光线和环境噪声等对运动目标检测结果带来的影响,同时使提取出的目标轮廓更加精确。在人体目标的识别方法上,以人体的头肩部特征作为识别人体的特征,使用了一种基于头肩特征Hu矩阵的运动人体识别方法。由于人体头肩部分的特征在运动过程中性质稳定,所以使用该算法比用人体的“高宽比”特征进行人体识别方法的识别率更高,更具可靠性。在人体目标的跟踪方面,本文对传统的卡尔曼预测算法中的卡尔曼增益系数进行调整,大大减少了跟踪的计算量,提高了算法的跟踪效率。同时使用了一种自动调整窗口位置和大小的卡尔曼滤波算法,有效改善了传统的卡尔曼滤波算法中由于估计误差累计造成跟踪位置和大小不准确的缺陷。本文重点对运动人体的检测、识别和跟踪等几个方面的算法进行了深入研究,同时进行实验仿真,证明了本文算法具有一定的可行性和优越性。