运动目标检测和跟踪一直是智能车辆和视频监控研究的热点和重点问题.传统的基于特征的方法,能在相机自身运动和静止下检测目标,但是处理速度较慢,算法对于目标的种类时特征不鲁棒；而传统的背景差分法、帧间差分法能简单和快速的检测出静止背景下的运动目标,但是不能处理相机自身运动的情况；而光流法既能处理相机静止的情况又能处理相机自身运动的情况,但是由于光流的计算量巨大,处理速度慢,实时性不好.因此研究一种能快速、鲁棒的运动目标检测方法是很有必要的.本文基于自运动补偿的方法,研究了以鱼眼相机拍摄视频作为输入的运动目标检测和基于粒子滤波器目标跟踪算法.具体工作包括生成运动区域和运动日标跟踪两个部分.自运动补偿：首先用三维空间中的任意一个静止点,研究相机发生平移,旋转等运动后该静止点在前后两帧间像点位置之间的关系(即建立自运动补偿模型)；其次利用Harris角点检测和LK光流跟踪来获得一组同一个点在前后两帧之间的坐标对；再次利用上一步获得的坐标对和最小二乘法估计自运动补偿模型中的系数；将所有点代入子运动补偿模型,得到补偿后的图像；最后利用补偿后的图像与真实获得的图像做差分得到运动区域.运动目标跟踪：利用粒子滤波器处理自运动补偿的中间结果(差分图)来对运动目标进行跟踪.