许多国家正在应用数字化、信息化和智能化装备来提高坦克部队的考核水平，提高考核作业的效率，保证考核过程的公正性与正确性，确保能全天候考核作业，最终提高部队的实战能力。而我军坦克驾驶考核作业基本采用的是人工监测和评判的传统方法。机器视觉是多学科的交叉与结合，既是一门科学学科又是一门工程学科，机器视觉是一个相当新且发展十分迅速的研究领域，它具有精度高，连续性，灵活性等特点。随着对机器视觉研究的深入，机器视觉的应用已经推广到了各个领域，特别是在智能交通领域的发展更为迅速，如车辆识别、车辆跟踪、停车场的监视、车号识别等。本课题主要运用机器视觉和数字图像处理技术，探讨机器视觉技术在坦克驾驶评判中的应用的实现方法，涉及图像处理，运动目标检测，运动目标跟踪，图像分割，图像特征提取，图像识别等技术和算法的应用和研究，从而实现在复杂环境下对坦克在行驶过程中出现的违规动作进行评判。主要工作如下：　　 （1）在总结和分析常用角点提取算法的基础上提出一种基于边缘的角点提取算法。　　 （2）在充分研究彩色图像特点和传统运动目标检测算法的基础上提出一种基于HSI模型的彩色图像背景减法，从而实现在复杂背景条件下对运动目标的自动提取。　　 （3）通过基于HSI模型的彩色图像背景差法或者通过彩色图像分割提取出能代表坦克运动状态的特征量，然后对特征量进行跟踪识别，从而实现坦克在通过限制路或者障碍物时是否存在停车或者倒车的自动判断。　　 （4）提出一种单摄像头的测速原理，利用运动目标提取、投影法等技术实现坦克运动速度的测量。　　 （5）利用彩色图像分割，特征提取等技术设计一种算法，从而实现坦克在车辙桥上是否掉桥或者是否偏离规定的宽度的自动判别。　　 （6）根据《装甲兵专业技术教范》规定，对坦克驾驶考核评估系统的结构和功能进行初步设计。　　 最后在总结全文的基础上，提出若干有待进一步深入研究和探讨的问题。