智能视频监控是计算机视觉领域中一个涉及多学科的前沿课题,它的发展有着非常重要的科学意义和广阔的应用前景。智能视频监控中运动目标检测和跟踪是最基本的两项核心技术,在整个监控过程中,运动目标检测、分类和目标跟踪是一个基础层次的视觉问题,而行为理解和描述的部分则是高层视觉问题。虽然检测和跟踪目标是较低水平的计算机视觉问题,但它们是更好研究视频监控技术的先决条件。智能视频监控技术是目前最广泛的应用之一,体现着未来视频监控系统全面走向数字化、智能化、多元化的必然发展趋势。本文主要研究了一些安全场所的视频监控技术。重点研究了静态背景下的运动目标检测和目标跟踪这两个关键技术,以此希望能够得到满足智能视频监控的更为可靠和实用的算法。主要工作有：在运动目标检测方面,深入的研究了当前各种目标检测算法,详细介绍了背景差分法、相邻帧差法、边缘检测法的基本原理,并进行了相关的实验性能分析。在差分法的基础上,采用了一种基于混合高斯模型的背景差分与边缘检测相结合的方法,该方法克服了不同的场景下视频图像中噪声对目标信息的干扰影响,对背景噪声的鲁棒性很大,准确的实现了运动目标的检测。在运动目标跟踪方面,本文主要研究了两种算法：基于卡尔曼滤波的目标跟踪算法与基于粒子滤波的目标跟踪算法。文中对这两种算法进行了分别的讨论和分析,并对多线索融合的跟踪方法进行了研究。在粒子滤波的框架下,提出了一种自适应融合颜色线索、角点和边缘线索的跟踪方法。通过仿真实验证实,在目标跟踪上,基于多线索融合的方法比单一线索稳定性更好,并且很容易应对光照突变和背景混入等问题给目标跟踪造成的干扰。