近年来,运动目标检测与跟踪在行为分析、辅助驾驶系统和机器人视觉等领域得到了广泛的应用。不同于其他运动目标检测跟踪,行人姿态多变,衣着颜色与背景或是其他干扰物相似,易被地面物遮挡等其他不确定性因素,使得行人的检测跟踪成为计算机视觉领域的研究难点。为了解决复杂监控场景中的准确行人检测与跟踪,本文对运动目标检测与跟踪技术进行深入研究,设计抗干扰和准确性较优的行人检测跟踪算法。本文主要研究内容如下:1.针对运动目标检测和跟踪面临的困难,分析比较了常用的运动目标检测算法原理和各个算法的优缺点。在原有算法的基础上,研究了将背景建模和三帧差分法结合的一种改进的运动目标检测算法。实验结果表明改进的运动目标检测算法相比较于传统运动目标检测算法在目标完整性和准确性上性能更优。分析了常用的行人跟踪方法的原理和优缺点。2.对摄像机移动情况下的两类运动目标检测算法进行对比和分析,研究了采用背景运动补偿差分法实现动态背景下的运动目标检测。在比较背景运动估计的四种算法的基础上采用特征匹配来完成对背景的运动估计。针对尺度不变特征变换(scale-invariant feature transform,SIFT)算法匹配时存在较高的误匹配率影响了背景运动的准确估计,从而影响运动目标检测效果,采用了一种改进的匹配算法。实验表明,基于特征匹配的背景运动补偿差分方法消除了摄像机运动引起的背景运动对检测准确性的影响。同时验证了该方法处理动态背景下运动目标检测的有效性。3.为了解决行人跟踪时,摄像机运动、目标颜色与其他干扰物相似、目标被遮挡等问题,分析了粒子滤波跟踪算法的优缺点,研究了多特征融合的粒子滤波算法,其中采用自适应调整各个特征的权值。实验表明:当目标与背景颜色相近,目标受到其他物体干扰,目标部分遮挡,背景较复杂时,改进的跟踪算法具有更高的跟踪准确度且跟踪稳定。4.通过搭建实验平台,在公开的测试视频集和自主拍摄的视频集上对文中研究的行人检测和目标跟踪算法进行了测试。结果表明,在视频序列存在背景运动、相似物干扰、部分遮挡及目标形变的影响时,文中提出运动目标检测跟踪算法具有更高的准确性、更好的抗干扰能力。