运动目标的检测与跟踪是计算机视觉领域的一个重要课题,在智能视频监控、基于视频的人机交互、机器人视觉导航、虚拟现实、自动驾驶、医学图像及农业自动化等领域都有广泛的应用。本文对动态目标检测与跟踪技术进行了研究,主要研究内容有静态、动态背景下的动态目标检测方法与动态目标的跟踪方法。本文在分析了Gabor滤波器原理及其特性的基础上,提出基于Gabor方向梯度的光流计算方法检测动态目标,该方法首先对图像进行8个方向的Gabor滤波,提取出具有方向性的轮廓特征图像替代灰度分布图像,将提取出的方向子图进行叠加,重构包含原图轮廓特征的图像,从而可以消除复杂背景中对光流计算造成不利影响的因素,在此图像基础上运用梯度光流计算技术计算光流场,其光流计算方向与Gabor滤波方向相同。实验表明,该方法能减少背景灰度分布区域的光流噪声,准确捕获定向光流,易于将背景与动态目标通过光流场进行分离,目标检测效果好,精度高。在目标跟踪方面,研究了粒子滤波,核粒子滤波,粒子群优化算法。讨论了粒子群优化算法与核粒子滤波算法的适应性,提出了粒子群优化核粒子滤波跟踪算法。在核粒子滤波跟踪算法中引入上一时刻粒子最优解对粒子本身的影响因素,利用粒子群优化核粒子滤波的扰动方程,使得远离真实状态的粒子更加趋向于高似然区域,提高了每个粒子的作用效果,改善粒子发散性问题,提高跟踪精度。仿真实验表明,改进的核粒子滤波性能优于粒子滤波与核粒子滤波。通过视频跟踪实验表明,在目标产生加速的情况下,粒子群优化核粒子滤波跟踪精度好于粒子滤波与核粒子滤波。