作为运动分析和高层语义分析的关键基础技术,动态目标捕捉与实时跟踪在国防军事、公共安全、智慧城市、人机交互等诸多领域均有极为广泛的应用,是计算机视觉领域的核心课题之一。在两栖应用场景中,通常存在水雾、高噪声、遮挡、光照等干扰,为动态目标的捕捉和跟踪带来了巨大挑战。为此,本文对两栖环境下单个动态目标的捕捉与实时跟踪算法进行了研究。本文首先总结了当前动态目标捕捉和动态目标跟踪在国内外的研究现状,然后针对两栖环境下动态目标捕捉到的目标区域不完整以及跟踪算法在跟踪过程中性能不够鲁棒的问题进行了深入研究,提出了相应的解决方案。论文的研究方法和成果总结如下:1)本文针对两栖环境下高噪声、有水雾等影响,对人、车、船的视频图像进行预处理算法研究。预处理时考虑红色光在水面衰减影响,采用了一种适用于两栖环境的暗通道先验去雾算法,通过实验证明该算法的可行性。然后,通过实验对比分析几种常用的图像降噪算法,最终选择了频域降噪算法中的小波变换降噪算法,该算法降噪效果明显且能够较好地保留图像的边缘,有利于后续工作的展开。接着研究了三种图像分割算法并进行了实验对比,为了准确高效地定位动态目标边缘,选择基于边缘检测的分割方法中Canny微分算子法,同时利用形态学操作弥补Canny微分算子法不能保证边缘连续性和封闭性地缺点。2)针对两栖环境下动态目标捕捉算法需满足环境适应性强、目标区域完整等要求,设计了ViBe算法和改进的三帧差分法相结合的算法对动态目标进行捕捉。首先分析并总结目前经典的目标捕捉算法的优缺点,然后根据实验效果设计适用于两栖环境的动态目标捕捉算法。采用背景差分法中ViBe算法提取较为完整的目标区域;采用Canny算子进行边缘检测对传统三帧差分法进行改进,增强传统三帧差分法对动态目标边缘信息的捕捉能力。最后通过CDNET数据集证明,ViBe算法和改进的三帧差分法相结合的算法对两栖环境下的动态目标捕捉具有明显优势。3)针对两栖环境下背景杂乱、光照变化等干扰,设计基于多特征融合和模型自动更新的改进的背景感知相关滤波算法。分析背景感知相关滤波算法的优势和劣势,背景感知算法仅使用梯度直方图特征,不能有效应对目标旋转、缩放等问题,针对这一不足,提出根据响应图加权融合灰度特征、快速梯度直方图特征和颜色命名特征的方法,使算法更具普适性。背景感知相关滤波算法位置滤波器模型更新方式是线性插值法,更新率固定,容易跟踪失败。针对这一劣势,本文提出一种自适应模型更新方式,提高算法鲁棒性。根据OTB2013实验结果得出,采用改进的背景感知相关滤波算法可以更加高效地跟踪动态目标。