煤矿井下环境复杂、噪声大、光照不均,在视频监测时会存在遮挡以及误检率高等问题,为保障井下人员安全,基于视频监控信息的运动目标检测与跟踪对于煤矿安全生产具有重要意义。论文针对煤矿井下视频信息,研究人员目标的检测和跟踪方法,从视频图像中检测出人员目标并予以跟踪定位。矿井下灯光昏暗,且摄像头监控采集到的视频缺乏彩色信息,为了改善井下视频照度低且粉尘大的问题,提出一种基于小波变换与暗原色先验知识相结合的方法。对小波变换得到的低频系数用暗原色先验去雾算法进行处理,高频系数用半软阈值滤波法进行去噪,最后将高频和低频系数融合重构小波函数,从而得到增强后的图像。该方法在增强图像细节信息的同时,可以有效去除图像噪声,同时解决浓雾、光照不均以及提高图像对比度的问题,达到了更好的增强效果。针对煤矿井下矿工运动目标不清晰、边界不明显等问题所引起的误检和漏检,提出一种改进的高斯背景建模方法。采用对读入视频帧进行分块处理的方式,用每块像素的均值代替当前像素值,然后自适应地对每个像素块分配不同的高斯分布个数和更新率,并将混合高斯模型与三帧差分相结合对视频中运动目标进行检测,通过新的更新策略来快速地对背景进行建模,以像素点的稳定性来调整像素点的更新速度,从而减少算法运算量,使检测到的结果更加准确,满足了实时性的要求。此外采用基于时空上下文的跟踪算法,实现了井下监控视频中运动目标的跟踪。仿真结果表明,基于小波变换与暗原色先验知识相结合的增强方法,能够实现对矿井下视频图像的增强,从信息熵和平均梯度来看,改进的算法优于传统增强算法;改进的高斯背景建模方法能够实现对矿井下人员的检测,且降低了误检率,达到了对矿井运动目标检测跟踪的目的。上述方法对低照度煤矿井下图像和人员定位具有一定的理论意义,为煤矿井下人员的安全生产提供了现实基础。