随着经济以及电子技术的飞速发展,机器视觉受到人们的广泛关注。作为机器视觉的重要发展方向,动态视频中运动目标的检测及跟踪越来越多的应用到智能视频监控、天文观测、工业故障检测、军事导航、医学图像分析等国民生活的各个领域。动态视频中运动目标的检测及跟踪主要包括运动目标的检测和运动目标的跟踪两个方面。运动目标检测是指按照一定的周期从视频图像序列中检测出前景运动目标,而运动目标跟踪是指在视频图像中准确的将运动目标标记出来。本文将对运动物体的检测及跟踪技术进行研究。针对在运动目标检测过程中因光照、阴影、自然环境等因素而导致的检测结果不清晰问题,采用四帧差分和Surendra算法相结合的方法进行运动目标分割。针对在运动目标跟踪过程中出现的背景颜色相似、目标遮挡等导致的目标丢失问题,本文将采用Kalman预测和改进的Camshift相结合的算法对目标进行跟踪。本文将Surendra算法和四帧差分算法相结合对运动目标进行检测。本算法将四帧差分法检测的目标和Surendra算法通过背景差分得到的目标进行结合,然后通过连通区域检测消除小的空洞和残留的噪声斑点,最后得到运动目标图像信息。这种算法既能够准确的提取出运动目标,又能迅速适应实际场景中的变化。通过实验证明了本算法的准确性。本文采用Kalman预测和改进的Camshift相结合的算法来对运动目标进行跟踪。先用Kalman滤波器预测Camshift算法里第二帧以后的搜索框的质心和大小,后用Camshift算法得出移动目标区域的准确的位置和大小,有效的对运动物体进行跟踪。通过实验证明本文算法较其他的算法获得了更高的成功率,并通过在多个视频序列中的测试体现了本文算法的实时性、鲁棒性和准确性。