随着智能视频监控区域的不断扩大,传统的单摄像机运动目标检测与跟踪已经不能满足用户需求,迫切需要研究基于多摄像机的运动目标检测与跟踪技术。多摄像机的运动目标检测与跟踪是目前智能视频监控领域的一个重要研究课题,具有很强的理论意义和应用价值。基于多摄像机的运动目标检测与跟踪主要分为两种场景,重叠域与非重叠域的目标跟踪。考虑到现实中视频监控场景的广阔性,大部分的监控都是非重叠域的,即有盲区的存在。基于上述原因,本文的研究内容聚焦于非重叠域的多摄像机目标检测与跟踪。本文具体的工作和创新点如下:针对单摄像机运动目标检测提出了改进的ViBe算法。该算法使用三帧差分法与传统的ViBe算法结合,粗提取运动目标区域,进行背景分类更新,解决鬼影问题;采用形态学处理填充空洞,保证前景图像的完整性。以颜色直方图、多尺度LBP特征及SURF特征作为运动目标特征模型,解决目标跟踪时遇到的以下问题:使用亮度转移函数来进行光照补偿,解决不同摄像机视域内光照强度的差异问题;使用特征值加权的多尺度LBP算子,解决单一尺度LBP算子的低分类性能与描述不全面的问题;使用具有尺度不变性的SURF特征,解决运动目标在不同摄像机中成像差异的问题,使用改进的相邻概率随机采样一致性算法,解决SURF特征匹配中误配对的问题。提出了使用多摄像机的时空约束关系作为匹配的约束信息,减少特征匹配次数。时空约束关系包含空间转移关系和时间转移关系。提出了基于D-S证据理论的目标交接方法。该方法采用D-S证据理论融合多特征及时空约束关系完成目标交接,避免单一特征可能出现交接错误。