煤矿井下存在着一些危险区域,这些区域是不允许工作人员在未采取保护措施的情况下进入的,但是由于一些环境与人为的因素,使得一般标识的警示效果不够有力。所以为了实现安全生产,需要采取有效的人员检测手段。由于井下采用的是人工照明的方式,缺乏色彩信息,并且目标的颜色与背景的颜色相似,所以将智能监控技术用于井下时面临着很大的困难。本文对可用于井下环境的人员目标检测和跟踪方法进行了研究,具体工作如下：(1)混合高斯背景建模法是目前应用较为广泛的目标检测方法,但是传统GMM法在建模过程中为每个像素建立固定个数的高斯模型并且采用不变的学习率,本文针对这些缺陷进行了改进。首先对读入视频帧进行分块处理,然后自适应地对每个像素块分配不同的高斯分布个数和学习率,在空域进行改进的同时,在时域上也为建模过程的不同阶段分配不同的学习率,使得建模更加快速与准确。实验结果证明从时域和空域两个方面改进后的算法在提高目标检测准确度的同时满足了实时性的要求。(2)由于均值漂移算法用于目标跟踪时自身存在缺陷以及井下环境的约束,本文分别从建模特征的选择、核函数带宽的更新以及发生运动区域的判断三个方面进行了优化。在特征选择时将LBP纹理算子与原算法采用的颜色特征相结合嵌入到Mean Shift跟踪框架中,共同描述目标。通过帧间差分法对相邻帧中发生变化的区域进行检测,以得到的运动区域的形心作为迭代开始的初始位置,缩短初始位置与目标实际位置的距离,进而减少了迭代次数。在核函数带宽的尺寸方面,通过结合定位到的目标区域的边界位置信息实现了其自适应更新,在保证跟踪目标信息完整性的同时尽可能排除背景像素的干扰,使得跟踪更加快速与准确。