运动目标检测与跟踪是计算机视觉和信息处理领域中非常活跃的一个课题,涉及众多学科,广泛地应用于军事、工业、生活等各个方面。本文以运动车辆为例,针对运动目标检测与跟踪的各个环节进行了进入探讨和研究,并提出了相应的观点和见解。本文着重探讨了运动目标检测和跟踪的主要算法。并在以下几个方面做了一些研究工作。1、在利用背景差分法检测运动目标时,背景图像的提取和重建至关重要。本文在分析了时间平均法的缺点后,提出了时间轴统计法和小区域处理法。经实验,这两种方法能够更准确的提取出图像背景,且不需要太多的图像样本。2、在利用模板匹配法进行目标跟踪时,提出了金字塔多分辨率+钻石搜索的方法。该方法的主要思想是,首先采用均值金字塔对目标模板和待跟踪图像进行处理,降低分辨率,在每一分层上,采用钻石搜索法对跟踪区域进行定位。该方法可以减少搜索次数,提高搜索效率。本文详细描述了算法原理和跟踪步骤,并对实验结果进行了比较和说明。3、针对现有Mean Shift跟踪算法中跟踪窗尺寸固定的不足,本文提出了两种改进算法。一种是利用模糊阈值分割原理,对加权灰度变换后的目标图像进行分割,从而校正Mean Shift的核函数窗宽。另一种是利用FCM均值聚类原理,在YCrCb颜色空间提取出运动目标的颜色特征向量,并以此校正核函数窗宽,从而达到尺度自适应跟踪的效果,经过实验对比,这两种算法都能够实现较为理想的跟踪效果。本论文的研究主要是通过仿真来实现的,但通过对算法的优化和移植,可利用DSP等高性能硬件系统实现实时跟踪。