计算机视觉(Computer Vision)是计算机科学与工程领域中一个极具挑战性的重要研究方向,在军事、医疗、安防及视频监控、人机交互等领域有着越来越广泛的应用,导致计算机视觉技术越来越受到重视。运动目标跟踪技术包括对视频序列中的运动目标进行实时检测、分析、提取、跟踪以及行为描述等过程的综合性技术。融合了图像处理,模式识别,人工智能等众多学科技术,是一门综合性很高的复杂学科课题。本文研究的是基于复杂场景的目标检测与跟踪问题,提出了将检测技术与跟踪相融合的跟踪算法。论文首先对目前的运动目标检测、跟踪算法做了总结、比较和研究。然后提出一套基于三帧差分,OSTU阈值化、基于二值化图像的轮廓的提取技术,为后续目标跟踪打下基础。在论文第四章重点分析了经典的Mean-Shift算法,根据其存在不足,提出基于运动检测、混合高斯模板更新的Mean-Shift算法。此后,考虑基于特征的跟踪算法不能运用被跟踪目标本身的运动特性,引入基于粒子滤波器的运动估计,预测被跟踪目标坐标,并在以该坐标为中心的区域内搜索“前景”图像,在前景图像中采用Mean-Shift迭代得到目标的确切位置。最后深入研究了在跟踪过程中涉及的云台标定与控制,得到水平、垂直移动像素距离与云台转动角之间的关系。论文最后对系统的运行效果进行分析,总结论文的创新点,并指出进一步的工作。