在视频处理中,运动目标的分析技术运用的非常广泛,一般的运动目标分析可以分为运动目标的检测、跟踪、识别和行为理解。其中最为基础的是运动目标检测与跟踪,主要研究从一系列图像中提取感兴趣的运动目标区域、分析运动目标特征进行特征匹配与跟踪,估计运动参数等内容。行为识别是建立在运动目标检测和跟踪基础上的分析技术,主要针对不同的事件,利用计算机语言定义目标行为,在特定的场景中识别行为。本文在总结当前一些主要的目标检测与跟踪算法基础上,建立了一个专门识别尾随行为的视频监控系统,并且对背景建模、阴影去除、目标跟踪相关算法进行了深入研究,改进了一些基本的算法,并且提出了一种尾随行为的定义来进行识别。在很多室外场景下,一些背景难免会受到天气的影响,即使是再鲁棒的背景建模方法也无法得到雨雪天气下的动态背景,本文在对快速运动目标检测和消除的算法进行研究基础上,将其创新性的应用于背景中雨滴的检测与去除上,以下是本文所做的主要工作:1.分析了目前常用的背景建模方法,针对序列图像的动态背景,采用混合高斯背景模型方法,并且针对混合高斯模型相邻像素间颜色相关性不强的特点,提出了一种改进方法来更新高斯参数,提高混合高斯建模的实时性。2.对于运动阴影的检测在动态场景分析系统中是至关重要的,因为在运动分割和目标检测中,阴影点经常会被误认为是目标点。我们在反尾随监控系统中将常用的基于归一化rgb色彩空间的阴影检测方法与混合高斯阴影模型结合,来检测阴影。3.对于目标跟踪来说,一个主要的难点就是跟踪过程中运动目标之间的临时遮挡问题。为此,我们制定了一种跟踪策略,将跟踪过程分为7种不同的事件来处理。跟踪过程中目标经常合并和分离,对目标匹配提出了较高的要求,我们采用基于颜色直方图相似度的特征匹配方法来对连续图像中的目标进行匹配。为了识别尾随行为,给出了尾随行为的定义和具体的尾随行为识别过程。4.为了使监控系统适应室外场景,本文研究了视频图像中背景运动目标雨滴的检测和去除的方法。在分析了雨滴的物理和光学模型基础上,分别利用改进的帧差法和K均值聚类法进行雨滴的检测并进行比较,并提出了一种效果更良好的雨滴消除方法。