近年来,复杂环境中运动物体的视觉跟踪是计算机视觉领域中一个非常重要和活跃的研究课题,也是智能视频技术的核心。本文深入研究了单摄像机静止状态下复杂环境中运动物体的视觉跟踪,具有重要的现实意义和广泛的应用前景。针对复杂环境的特点,分析了影响运动目标检测算法的因素,提出一种基于统计方法的RGB图像背景建模方法,所建的背景模型由RGB三通道的像素值的均值和方差范围构成,均值表征背景的静态性,方差范围体现了背景的动态性,使得背景能够适应环境中的微动干扰。同时,设计了基于全局、图像区域和背景像素方差的三层次背景模型更新机制,使背景模型能够自适应更新。在目标的检测过程中,融合帧间差分法对环境变化不敏感和背景减除法能够提取完整目标的优点,提出一种改进的运动检测方法,结合背景建模能够在较为复杂的背景中准确有效地提取运动物体。对于视觉跟踪问题,在研究以目标物体颜色分布概率为特征的Camshift跟踪算法的基础上,提出一种基于Kalman预测的Camshift多目标跟踪算法,其创新之处在于,对新检测到的运动物体进行标记,依据标记创建Kalman滤波模型,使得进入视频窗口的每个目标都有自己的Kalman预测能力,这种方法有效地提高了多目标跟踪过程中抗干扰能力。基于上述算法研究,本文构建了视觉跟踪硬件运行平台,并在VC++编程环境中设计了具有可视化界面的视觉跟踪软件。最后,通过综合调试和视觉跟踪实验,验证了所提出的背景建模、运动检测方法和目标跟踪算法的整体性能。