基于视频流的运动目标检测与跟踪是计算机视觉领域的热门课题,是智能视觉监控系统中最为基本、应用最广泛的智能分析技术,具有重要的理论意义和实用价值。本文通过对运动目标检测、运动目标跟踪、图像处理、高斯模型、Kalman滤波等理论的学习和研究,主要完成了以下工作:1.深入地分析了几种常用的运动目标检测算法的原理和特点;对于中值滤波法的滑动窗口长度的取值进行了详细的实验分析和理论探讨。2.提出了一种改进的混合高斯背景建模算法,针对均值和方差这两个参数的不同特点,对其采用不同的学习率,实验证明,改进方法有效地提高了目标检测的效果。3.对几种常用的运动目标检测算法进行了比较研究,通过大量的实验,对于各种算法的检测效果、内存需求、实时性、算法复杂度、以及复杂环境适应性等方面的性能进行了总结分析和综合对比。4.针对本文具体的应用要求和实验数据的特点,提出了相适应的基于二值形态学的图像后处理去噪方法,达到了良好的去噪效果。5.提出了一种快速有效的运动目标检测与跟踪方法,利用反馈模型,将目标跟踪阶段Kalman滤波预测的结果反馈到目标检测阶段的减背景方法中来指导检测范围的获取。实验证明,该方法具有良好的目标检测与跟踪效果,在不影响准确性的前提下,显著地降低了运算量,增强了系统的实时性。