摘要：视频图像处理是计算机科学领域的热门研究方向之一,在人机交互、航空航天、交通监控、医学图像分析等领域中有着举足轻重的作用,因此它被认为颇具发展前景。经过几十年来众多学者的不懈努力,该领域的技术有了长足的进步,但实践表明仍存在一些尚未解决的问题。本论文针对静止背景和扰动背景下的运动目标检测技术、目标外形显著变化场景和多目标遮挡场景下的运动目标跟踪关键技术进行了研究。本论文具体研究内容如下：针对静止背景下的检测结果存在误差较大和对光照敏感的问题,本文提出了一种基于YCbCr颜色空间码本模型的检测方法,并对此步骤处理结果进行了阴影去除、移除孤立点和开闭运算的后处理,有效解决了目标阴影和空洞问题。针对扰动背景下的目标检测噪声较大和效率低的问题,本文对上述算法采用分层结构构成新的检测算法。针对上述两种情况下的检测方法,本文均进行了仿真测试,并对重点参数进行了分析。实验结果证明,本文提出的检测算法具有较好的处理结果。外形显著变化场景下的目标跟踪,经常会遇到跟踪丢失和误差较大的问题。本文针对此,提出了一种包含两层结构的耦合模型建模目标。另外,对该模型中的参数进行了详细的分析。在此基础上,选取最佳参数组合进行该方法的仿真测试。使用三个不同序列进行测试,验证了该方法针对运动目标尺寸、外形变化的跟踪具有较小的失败率和较高的准确率。多目标遮挡场景下的目标跟踪,经常会出现不同目标间的碰撞和遮挡问题。针对此,本文利用一种含低层跟踪和高层跟踪的分层结构方法进行目标跟踪。低层跟踪中,本文使用基于Adalines的预测方法,并将其与kalman预测进行了对比分析,结果表明Adalines预测方法在处理遮挡情况时更加稳定。高层跟踪中使用混合直方图提取目标特征。最后,通过对测试序列的测试和统计分析,充分证明了该方法对于多目标跟踪中遇到的碰撞和遮挡问题具有较强的鲁棒性。