运动目标检测与跟踪是计算机视觉研究的主要问题之一,在视频监控、医疗诊断、智能交通、运动分析等方面都有广泛应用,因此本课题研究具有重要的理论意义和实际价值。论文主要针对静态背景下运动目标检测与跟踪算法进行研究。首先讨论了静态场景下常用的运动目标检测算法,分析各种算法优缺点,并针对其存在的问题做出了有效地改进;然后,研究了基于形心与预测算法相结合的目标预测跟踪算法,提高了目标跟踪的稳定性和鲁棒性。检测运动目标的目的是从序列图像中将变化区域从背景图像中精确地提取出来。然而,由于背景图像的动态变化,如天气、光照、等干扰的影响,使得运动目标检测成为一项相当困难的工作。论文主要研究了基于帧间差分和背景减除的目标检测算法。针对帧间差分法和背景减除法的不足,论文将两种算法有机结合起来,采用了在二者基础上经过改良的检测方法,并进行了实验论证。实验结果证实新的方法既克服了背景减除法对动态场景变化比较敏感的不足,又可以获得关于运动物体更全面的信息,然后采用数学形态学等后处理,实现了对目标更加精确的提取。运动目标跟踪是确定同一物体在图像序列不同帧中位置的过程,通过对图像序列进行分析,计算出目标在每一帧图像上的二维位置坐标,并根据不同的特征值,将图像序列中不同帧内同一运动目标关联起来,得到其完整的运动轨迹,然后根据前面的目标在前几帧中的位置信息预测出目标在下帧中的位置。因此,目标跟踪实际上是对目标运动轨迹的估计,本文采用形心算法与预测算法相结合的目标预测跟踪算法,即使目标暂时被遮挡时,根据目标此前的位置信息,预测出目标下一步可能的位置,当目标再次出现时,仍可稳定跟踪而不至于丢失目标。通过以模拟飞机飞行场景为对象的大量实验,验证了算法的可行性。