移动目标检测与跟踪技术作为计算机视觉应用技术的一个重要分支,其目的是实现对监控区域内的移动目标进行实时连续的视频采集与检测,并将这些用户感兴趣的信息存储起来作为分析现场状况的重要依据,以达到主动监控、节省资源、提升监控效率的目的。本文的主要工作总结如下:(1)为了解决目标检测过程中出现的“空洞”与“双影”问题,用三帧差分法改进帧间差分法;采用混合高斯模型选取合适的阈值进行背景建模,使得背景的适度变化不会导致背景模型出现偏差。在两种算法融合过程中,使用三帧差分法对连续三帧图像做差值,得到移动目标模糊的区域图像;接下来对当前帧与背景帧图像做差分运算可获得移动目标的变化量,然后再将三帧差分法的差值与背景差分法的差值做交集运算,从而完整的提取出移动目标的信息,继而得到移动目标精确完整的轮廓。(2)在对移动目标进行跟踪时,均值漂移算法因为其核函数和权重函数要在多维欧式空间中进行设置,设置难度较大,难以保证其合理性,从而易在跟踪时丢失目标;粒子滤波算法中,由于贝叶斯复杂积分难以直接计算,必须使用蒙特卡罗抽样方法通过系统采用大量随机样本去测试,增加了算法复杂度。对这两种算法进行了整合,利用目标的初始位置初始化粒子及其权重,粒子滤波重采样根据粒子权重选择粒子样本,然后通过动态模型传播粒子集,均值漂移算法对传播粒子集进行优化,将粒子平均状态输出与目标模型阈值相比来判断是否更新目标模型,从而完成对目标跟踪,发挥了两种算法的优势,弥补了各自的不足。(3)应用改进后的算法搭建并实现的视频目标检测与跟踪系统。获取5000帧视频图像,有针对性地选取了一些图像背景有一定的复杂度,并且背景颜色与目标颜色相似的视频图像进行目标的检测与跟踪,并记录了跟踪成功率。均值漂移算法和粒子滤波算法的跟踪成功率分别是92.94%和96.14%,融合算法的跟踪成功率是99.64%。该系统在智能监控领域具有较好的应用前景。