运动目标追踪是计算机视觉领域的一个热点话题,它融合了人工智能、形态学、图像处理等众多领域的先进技术,应用也越来越广泛。如何更加清晰的获取图像,并准确获取目标物体也成为研究的热点。论文基于OpenCV开源视觉库,在Mac OS X平台上通过Python语言设计运动目标系统的整体框架。系统核心流程是通过双边滤波对输入图像进行预处理,再结合多项式展开的帧间估计和Harris角点检测完成对图像中运动物体的追踪。论文对主流滤波方式进行研究比较,介绍了常用的滤波方式,如高斯滤波、中值滤波等,重点对算法思路进行阐述,目的是获得更加清晰的目标,为系统对运动目标处理提供便利条件。运动物体追踪可以结合目标检测算法和角点提取实现,从而解决运算量过大,效率较低的问题。运动目标检测和追踪算法主要有背景消减法、帧间差分法和光流法等。最终选择基于多项式展开的帧间估计作为运动目标追踪的主要算法。在对SUSAN角点检测算法,FAST角点检测算法等进行比较后,利用Harris角点检测作为图像特征提取的主要方式。系统先将视频监控图像输入系统,转化为灰度图,以便进行特征提取;接下来确定兴趣区域抓取目标点,提取兴趣目标内角点坐标;最后确定角点的新坐标,定位目标在下一帧的位置,从而实现对目标的跟踪。并进行参数优化。实验结果证明,新的系统完成了对兴趣物体的选择,使系统的鲁棒性和准确性得到了提升,并更能够适应不同背景下的复杂环境条件,角点的提取也更为准确。