目前比较常用的运动目标检测的方法有：配准法、光流法、帧间差分法、背景差分法和高斯模型法。本文采取的是背景差分与高斯模型相结合的运动目标检测方法。通过帧间差分提取背景,用原始图像与背景相减获取运动目标,使用高斯模型对提取的背景实时更新,以保证背景图像的相对稳定。在原始图像与背景相减的过程中,本文提出了动态阈值的算法,改变了以往通过实验人为设定阈值的做法,提高了算法的实时性。对运动目标的检测与跟踪是密不可分的,本文采取的方法是根据运动目标的面积和质心等物理特性进行跟踪随着监测范围的不断扩大,一般图像已经不能满足人们的需求,鱼眼镜头被越来越多地使用。但鱼眼图像畸变严重,因此就有必要将其校正为人们所习惯的图像。本文使用的是比例校正方法,该方法不需要成像系统的参数以及数学投影模型,试验结果表明该算法基本消除了拱形失真。在实际检测过程中,人们可能并不是特别在意整个全景图像的校正,可能只是对某个区域感兴趣,这时就需要对感兴趣区域进行视窗校正。本文把光学中心转换与鱼眼图像的校正结合起来,实现了鱼眼图像的感兴趣区域视窗校正。用装有鱼眼镜头的监控装备获取的含有运动目标的视频流是本文研究的对象。首先使用背景差分与高斯模型相结合的运动目标检测的方法将运动目标检测出来,然后使用面积质心判别法对该物体实现跟踪,同时使用视窗将运动物体所在区域选定,并对该区域的鱼眼图像进行实时校正,以获取利于我们观察的线性图像。