1、運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤是計(jì)算機(jī)視覺的核心問題，它融合了圖像處理、模式識(shí)別以及人工智能等多領(lǐng)域的技術(shù)，在視頻編碼、智能監(jiān)控、視頻分析以及軍事等領(lǐng)域有廣泛的應(yīng)用，是目前研究的熱點(diǎn)問題之一。實(shí)踐表明目標(biāo)的檢測(cè)與跟蹤技術(shù)還遠(yuǎn)未成熟，要開發(fā)出真正魯棒、實(shí)用的檢測(cè)與跟蹤系統(tǒng)還需要更為魯棒的算法，為此，本文著重從以下三個(gè)方面進(jìn)行研究和探討。
　　首先，針對(duì)傳統(tǒng)混合高斯分布模型計(jì)算量大的問題，提出像素點(diǎn)分類建模算法。對(duì)處于單模態(tài)的像素點(diǎn)使用單高斯分

2、布模型建模，對(duì)處于多模態(tài)的像素點(diǎn)使用混合高斯分布模型建模，基于不同問題分類處理，提高了系統(tǒng)的實(shí)時(shí)性。
　　其次，針對(duì)Mean Shift算法提取目標(biāo)特征易受背景像素影響的問題，提出背景相似度算法來降低背景像素的權(quán)值，優(yōu)化目標(biāo)特征的提取。同時(shí)，引入邊緣檢測(cè)算法提取目標(biāo)的尺度，解決Mean Shift算法無法適應(yīng)目標(biāo)尺度變化的問題，并給出了目標(biāo)模板更新策略。
　　然后，針對(duì)Mean Shift算法不能適應(yīng)目標(biāo)運(yùn)動(dòng)速度過快或受到大