智能监控包括视频源的获取、图像预处理、目标检测与跟踪、行为分析和判断预警等部分。融合了众多领域的先进技术,包括自动化控制、模式识别等等。在小区、医院、学校、超市等场合,我们常常会看到监控的身影。不仅与民生联系紧密,工业控制、军事制导等也需要系统的监控。随着信息化社会的加速发展,传统的人工模式已然满足不了需求,并开始向自动化转变。作为监控智能化的标志,如行为分析、预警等往往依赖于系统早期提供的证据——检测与跟踪。如何准确快速的找到人们需要的或者感兴趣的目标对系统后续的处理非常重要,因此在调研过大量文献背景后,本论文主要研究视频中运动物体的检测与跟踪。在实现检测与跟踪的问题上依赖的是VS平台和OpenCV开源库,开源库OpenCV提供了很好的封装接口API,针对图像处理的各种情况,不仅有处理图像读取、灰度化等基本函数,对于视频处理,同样有ml、video等成熟的封装库。除此之外,还包括很多标准的图像算法,如高斯滤波,小波算法等。利用搭建好的平台和工具,在背景静止的条件下,对图像与处理技术进行了讨论,分析了前期影响视频处理的因素,重点对物体检测和跟踪做出了相关的对比试验,提出了改进,并对最终结果给予分析:(1)在物体检测上,先后给出了高斯背景建模、平均背景差法和帧间差法、以及融合改进的LBP特征的高斯建模的算法思想和流程。说明了各自算法的优缺点,在实验结果上,比较了几种算法的性能。(2)在物体的跟踪上,比较了几种经典的算法,分析其内涵、思想。着重介绍了MeanShift相关知识,包括其数学原理、核函数、特征子等。在光照与模板更新问题上对传统描述方式加以改进,最后比较了传统与改进算法的性能。总体来说,在检测方面,论文提出的改进算法,性能良好,建模时间短。而改进后的跟踪描述特征子,在同等条件下对视频目标跟踪与传统描述方式丢失跟踪目标相比较能够保持不丢失,达到了预期效果。