针对脉冲图像传感器，提出一种高精度高稳定性的高速目标追踪算法。首先，介绍脉冲图像传感器的原理；其次，结合传感器脉冲密度特性改进传统视觉背景提取（Vibe）算法，去除传统Vibe算法中存在的鬼影和空洞问题，提高运动检测的完整性；然后，结合运动检测，对传统均值漂移（MS）追踪算法进行改进，提高目标追踪的精度和稳定性；最后，通过图像重构完成场景再现与目标追踪。在3个高速场景的实验中：与直接应用于图像序列的传统MS算法相比，所提算法对高速目标的最大追踪误差分别从11.0454降低至2.2361，从14.1421降低至5.0000，从26.1725降低至5.0990；目标追踪的位置标准差从7.9879降低至2.0393，从12.0790降低至2.7454，从14.4591降低至3.5654。综上所述，所提算法能够有效提高目标的追踪精度和追踪稳定性，能更好地适用于脉冲图像传感器。

针对经典视觉背景提取算法长时间存在鬼影、动态背景导致的高频噪声以及背景模型误更新等问题,提出一种改进的视觉背景提取算法。该算法将原始图像分割为若干个超像素区域，在超像素分割区域，对视觉背景提取算法检测结果进行像素点再分类，在目标检测的初始阶段实现鬼影信息的准确检测，并更新鬼影区域像素点的背景模型，从根本上解决了全局范围内鬼影检测的难题。根据运动目标的超像素对前景目标内的空洞进行快速纠正，实现前景目标的小范围填补，同时完成对背景超像素内高频噪声的检测和滤波，并增强检测结果的稳健性。利用数据集进行的测试实验结果表明，与传统算法相比较，该算法的精确率和识别率等指标均显著提高。