运动目标的动态图像提供了比单一图像更丰富的信息,通过对多帧图像分析,可获得从单一图像中不可能得到的信息。运动目标的图像检测、识别和跟踪是在动态图像分析的基础上结合图像识别和图像检测、跟踪方法对图像序列中的目标进行检测-识别-跟踪的过程。本文以停车场车辆监控系统为应用背景,对运动的物体进行识别、检测和跟踪,并鉴于软件编程的可实现性,在对图像进行运动模糊复原的预处理前提下,采用ChrisStauffer和W.Eric L.Grimson等提出的自适应高斯背景模型为静止背景下的图像序列提供背景图像,同时为了能更好的响应实际背景发生变化的情形,特别是对自适应背景模型在获取运动目标期间所产生的“影子”问题,本文提出了算法上的改进和简化:1.以连续几段很短的时间段内视频序列的多个单高斯建模为多高斯背景模型建模;2.适当规定在编程中使用的初始权值;3.使用时变的权值更新率,以增大开始若干帧对模型建立的贡献。通过实现结果的分析,改进并简化后的算法降低编程难度、提高运行速度、有效的消除“影子”。然后,为了从目标检测算法检测出的前景点集中,把目标完整地分割提取出来,从而获得关于各前景目标的特征描述,本文依据目标的空间连续性,采用了数学形态学处理和连通区域检测算法以去除噪声和填补孔洞;并结合单高斯模型获取背景估计图像的特点,在兼顾减少噪声和保持目标完整的前提下,通过编程实现分析了背景消减后提取运动目标的合理阈值,从而获得理想的目标背景的二值图像。最后对连续视屏序列结合边缘跟踪和区域增长法,采用基于连通区域面积匹配与目标预测算法,对目标进行跟踪(用外接矩形框标识),并在目标被短暂遮挡的情况下能对目标进行预测。本文对各种设计方案和算法进行了仿真实验与编程实现,对采用的算法进行了多次优化,使得软件的编写简捷、可靠,大大提高了系统的稳定性和实时性。结果表明,上述算法运算速度快,满足系统实时性要求,易于实现,达到预期效果。