运动目标检测与跟踪是数字图像处理和模式识别以及计算机视觉领域研究的主要内容之一,逐渐成为人们研究的热点,在军事、民用等诸多领域有着广泛的应用。本文在充分研究视频目标跟踪的基础上,实现一个交通逆行事件检测系统。分析了当前在视频跟踪中的一些滤波技术,研究了一些车辆检测和跟踪的方法,提出了一些新的算法思想。主要的工作和贡献有:(1)基于模拟退火算法的图像二值化的阈值选取。因为视频序列前后两帧有很大的相关性,前后两帧所选的阈值很相近,若按传统的OTSU算法对分割阈值从0—255的所有灰度值依次遍历,找出阈值,略显笨拙,没有利用帧间相关性;本文在保存上一帧阈值的基础上,运用模拟退火算法对本帧阈值进行一种智能搜索,优化了搜索方法,提高了运行效率。实验表明,该算法缩短了阈值选取的运行时间,取得了较好的效果。(2)运动车辆的检测。本文运用了分块获取背景的初始化方法,然后采用一种动态更新背景的方法对背景进行实时的更新。运用背景差分和连通性的判断对车辆进行粗定位。实验表明,综合应用这些方法能够取得较为满意的结果。(3)基于卡尔曼滤波预测的运动车辆跟踪和逆行检测。在充分了解视频信号预测滤波的技术,较深入地分析卡尔曼滤波与粒子滤波的异同后,在满足实时性地要求下,本文采用卡尔曼滤波技术进行预测,并结合车辆检测过程中得到的车辆位置、车辆形状等特征共同完成对车辆的跟踪。最后利用跟踪得到的车辆形心轨迹信息对逆行交通事件进行了检测。实验表明,这种跟踪和逆行检测算法有较好的稳定性,并使得交通事件的检测结果较为准确。