运动目标的检测与跟踪在人工智能、军事、视频分析等各个领域都有着非常广泛且重要的应用,如机器人自动寻路、视觉智能导航,等等。图像中一般存在着两种运动,一种是全局运动,另一种是局部运动。前者是由摄像机的运动产生的,又可被称为背景运动；后者是由于目标本身的运动产生的,又可被称为前景运动。当只有目标本身在运动运动、摄像机处于静止状态时,目标的检测与跟踪较为简单。但是当两种运动同时存在时,全局运动和局部运动就会相互叠加,使得检测和跟踪运动目标这一问题变得复杂和困难。另外,当前对运动摄像机下目标跟踪相关方面的研究主要集中于处理单目标的情况,对多目标的相关问题研究较少。因此,对于运动摄像机下多目标的检测与跟踪需要着重解决的问题有两个：全局运动补偿和多运动目标的检测与跟踪。针对这两个问题,本文提出了一种基于六参数仿射模型的全局K均值循环判断聚类和模板匹配相结合的方法来予以解决。研究内容主要包括以下几个方面：(1)获取运动摄像机的运动参数。寻找各帧的特征点并且完成前后帧的特征点匹配,再将匹配对带入六参数仿射模型,得到摄像机运动参数,进行背景对准,使得整个背景由动态变为相对静态,完成全局运动补偿。(2)提取运动目标区域。对配准后的背景帧和当前帧使用帧差法并阈值化就可以初步提取出运动区域。然后使用全局K均值算法对已经提取出的前景点进行循环判断和聚类,由此可得合理的聚类数目,即目标区域数。(3)运动区域模板匹配。通过模板匹配来对比运动区域是否能与历史数据中的某些模板达到匹配并且连续出现,由此判断该运动区域是属于运动目标还是在之前的步骤中残留下背景扰动。通过模板匹配法可以保证得到的运动目标更准确。模板匹配的同时即可进行跟踪。实验结果表明,本文提出的方法能够在运动摄像机运动的情况下准确、稳定、实时地跟踪多个目标,当目标发生形变时,也能够保持自身的良好性能。