随着计算机视觉系统和控制技术的发展,移动机器人在实际环境中的应用越来越引起人们足够的重视。其中移动机器人对动态目标的检测和跟踪是其智能化一个重要的表现,该技术在智能化技术、视频监控等领域具有广阔的发展前景。对于移动机器人的动态目标检测与跟踪的研究已经成为了一个热门课题,如何依靠移动机器人实现对动态目标的检测与跟踪,是一项挑战性的研究工作。本文主要研究内容如下:首先,在动态目标检测方面,结合帧间差分法、背景相减法、混合高斯背景模型三者,提出Kim算法。利用混合高斯背景模型对背景图像迭代建模,提取新的背景图像。帧间差分法和背景差分法分别提取的目标运动区域相与,形态学滤波,连通性检查等步骤,最终完成目标的运动区域提取。Kim算法可以实时地更新背景,提高分割目标区域的准确性,背景图像轮廓清晰,在部分遮挡、光线变化、目标颜色与背景其他物体颜色相似的复杂背景下,容易检测出目标。最后,采用实验仿真,对比帧间差分法、背景差分法以及Kim算法背景效果图。其次,在动态目标跟踪方面,首先分析目前对动态目标跟踪的基本方法、以及各自的优缺点,然后提出一种基于改进Camshift算法的动态目标跟踪方法。在输入视频序列图像中,动态目标快速移动时,设置较小的帧间时间间隔,在此时间间隔内,连续两帧图像中的动态目标的形态差异较小,目标位移较小,就可以近似认为目标分别在直角坐标轴方向上匀加速直线运动,通过加速度位移方程对动态目标的运动轨迹进行预测,减少移动窗口的搜索次数,自适应调整搜索窗口的大小和位置。最后采用实验仿真,验证算法的性能。最后,在实验仿真方面,采用Visual Studio 2010和Opencv 2.4.10软件对输入视频序列图像中的动态目标检测与跟踪进行仿真;在实验室环境下,把Kim算法和改进Camshift算法移植到移动机器人上,验证算法的可靠性。