运动目标检测与目标跟踪技术作为计算机视觉研究领域的重要技术之一,融合了计算机、人工智能、模式识别、图像处理以及自动控制等多个领域的先进技术,在视频监控、图像压缩、军事目标跟踪以及机器人视觉导航等方面都有广泛的应用。在复杂的实际场景中,运动目标检测与目标跟踪技术的可靠性和实时性通常难以得到保证,是当今运动目标检测与目标跟踪领域的难点。本文研究了摄像头运动情况下的运动物体检测技术,采用的鲁棒多分辨率算法首先对摄像机的运动模型进行建模,并通过视频中连续的两帧图像估计出摄像机的运动模型。和摄像机运动一致的像素点认为是背景,和摄像机运动不一致的像素点认为是运动物体。本文方法可以较好地解决摄像机运动情况下的运动物体检测。本文研究了在多种复杂场景下的鲁棒跟踪问题,提出了基于多特征CamShift优化的粒子滤波跟踪算法。该算法采用了颜色和运动两个特征,并用CamShift对粒子滤波进行了优化,在跟踪目标被长时间遮挡时使用了相应的目标遮挡处理策略。本文提出的算法在许多复杂情况下都能实现运动目标的可靠跟踪,例如:被跟踪目标的姿态变化;目标发生大幅度转弯;复杂背景的干扰;场景光线发生显著变化;目标被长时间遮挡等等。