● 摘要
智能视频监控技术是机器视觉领域的重要应用，而运动目标检测与跟踪是智能视频监控领域的核心技术。尽管目前已有许多有效的运动目标检测与跟踪算法，但是在实际应用中仍然面临许多难题，如背景中原来静止的物体转为运动状态产生的“鬼影”干扰，运动目标受到短暂遮挡后无法准确跟踪，背景大面积受到光照突变而无法检测到目标等，这些情况都严重影响了检测与跟踪的效果。因此论文主要针对上述三个问题，开展视频中运动目标检测与跟踪技术的研究，并提出相应的改进算法，最后通过实验论证结果，具体内容如下：
1. 介绍了视频中运动目标检测与跟踪的研究背景及意义、国内外的研究现状等相关情况，并阐述了论文研究的主要内容与技术路线。
2. 阐述了运动目标检测与跟踪的相关理论和技术，包括图像处理技术（比如噪声处理、数学形态学理论等）、运动目标检测的基本算法（比如帧间差分法、背景差分法和光流法等）、运动目标跟踪的基本算法。
3. 研究混合高斯模型和帧差法相结合的目标检测技术，该算法通过融入帧间差分将图像区域分为背景区域、背景显露区域和运动物体区域三类，然后根据不同区域采用不同的更新率更新背景模型，解决了背景图像中物体由静止转为运动状态产生的“鬼影”干扰问题。
4. 分析了Mean Shift算法在运动目标跟踪方面的应用。针对运动目标受到短暂遮挡时Mean Shift算法跟踪性能较差的缺陷，对其核函数结构和权值匹配进行改进。实验结果表明：改进后Mean Shift在目标受到短暂遮挡时具有良好的跟踪性能。
5. 针对背景光照强度变化对运动目标检测产生干扰的问题，介绍了一种基于分类分块的背景更新检测算法，主要适用于背景中大面积光照强度突然发生变化的情况。算法改进主要是通过增加一个计时器，来计算被标记为前景区域的点在该场景位置停留的时间，从而有效区分前景目标与背景图像。实验结果表明，改进后的算法能较好地处理背景中大面积光照强度突变情况，有效检测出运动目标。
关键词：混合高斯模型，帧差法，Mean Shift算法，分类分块