运动目标的检测与跟踪是应用视觉研究领域的一个重要课题.在现实生活中,大量的有意义的视觉信息包含在运动之中.尽管人类视觉既能看见运动又能看见静止的物体,但是在许多场合,比如说交通流量的监测、重要场所的保安、航空和军用飞行器的制导、汽车的自动驾驶或辅助驾驶等,我们往往对运动的物体更感兴趣.因此研究只对运动目标敏感的检测与跟踪系统是很有意义的.该论文先对图像进行预处理,采用的LUM滤波,它借助控制参数可在噪声平滑化与保存图像细节之间得到一个良好的平衡,在车辆运动图像处理中显示了很好的效果.还有小波包滤波,它在处理的过程中对低频部分和高频部分同时进行细分,处理的效果也很好.该论文在边缘检测部分采用了Canny算子对车辆运动图像进行处理,因此可以完好的保存图像的边缘,并克服了其它算子在滤波后边缘的方向信息被丢失或边界一般较宽或对噪声敏感等缺陷.该论文在研究车辆运动图像识别的过程中,根据交通目标移动的特点引入了基于目标矩特征的识别方法,此组不变矩不受平移、旋转及大小比例改变的影响,所以将其作为运动目标的特征,用作模式识别的输入量,为后面的数字图像的模式识别做准备工作.该论文最后一部分是图像识别部分,主要采用了两种方法:一种是采用神经网络的方法对图像进行识别;另一种是采用模板匹配法对图像进行识别,对两种算法进行比较从而找到适合该系统的有效的识别方式.该论文采用Matlab语言对静态图像进行处理和识别,同时采用OpenCV语言对实时图像进行处理识别与跟踪.