随着计算机性能的快速提高和图像处理技术的进步,视频图像序列中运动目标的获取与跟踪技术逐渐成为了机器视觉领域的一个重要的研究方向,吸引了越来越多学者的兴趣。视频图像序列中运动目标的获取与跟踪技术是诸多行业和领域如人机交互、交通管理、智能监控信息化的发展方向,同时它还是图像分析与图像理解的基础,因此研究运动目标的获取与跟踪技术具有十分重要的理论意义和应用价值。视频图像序列中运动目标的获取与跟踪主要分为准确获取运动目标区域和稳定跟踪运动目标两个方面。在运动目标的获取方面,论文首先分析了几种常用检测算法的优缺点,在此基础上提出一种融合了颜色和灰度信息的背景差分法来获取运动目标,即在灰度域和色彩域同时进行背景差分,认为灰度域和色彩域的变化同时大于各自阈值的像素点属于运动目标,再通过形态学滤波进行后期处理以提高检测的准确性。在运动目标的跟踪方面,针对当前Mean Shift算法在对与背景灰度接近的运动目标跟踪容易失败的问题,论文提出了一种融合了纹理、灰度和运动预测的Mean Shift算法来跟踪运动目标。首先使用LBP/C纹理和灰度特征建立目标模型,并以Bhattacharyya系数作为相似度量函数,然后利用Kalman滤波器在当前帧预测目标最有可能出现的区域,最后在预测区域使用Mean Shift算法搜索运动目标的位置。实验结果表明,论文中运动目标获取算法能排除大量的干扰信息,准确检测出运动目标区域。改进的运动目标跟踪算法在目标与背景灰度接近的情况下依然能很好地跟踪运动目标,提高了跟踪的准确性。