新一代的智能视频监控已经越来越广泛的应用到公共安全监控、智能交通、居民小区监控和视觉导航等各个领域,车载视频监控系统就是其中的一个重要应用方向。通过车载摄像头可以扩大监控范围,对感兴趣目标进行持续监控与追踪。同时由于车辆的运动以及运动导致的摄像头抖动,将导致整个监控背景的动态变化,在这种复杂的动态场景中,固定场景下的运动目标检测和跟踪算法不再有效。因此针对车载视频监控应用场景的复杂性和动态性,研究高效、鲁棒和实用的运动目标检测与跟踪算法具有重要的应用价值。本文首先对运动目标检测与跟踪技术的研究现状以及相关理论基础作了介绍,然后介绍了本文车载视频监控系统的总体架构,分别从目标检测和目标跟踪两大部分对车载视频监控系统中采用的算法以及如何实现做了详细介绍,并分析了实际应用场景中算法研究的技术难点。由于车载视频监控系统中背景是运动的,本文采用了基于Harris角点特征匹配的全局运动估计法对运动背景进行补偿运算,背景补偿后目标检测部分采用了一种占用内存少、计算量小和运算效率高的Vibe检测算法。针对Vibe算法在运动目标检测前期存在鬼影的问题,本文结合时域中值滤波算法对Vibe算法进行改进,改进的Vibe算法在短时间内可以完全消除鬼影,并使用形态学对检测到的前景运动目标做进一步处理,使检测到的运动目标更加完整准确。目标跟踪部分,本文采用了一种新的实时压缩跟踪(CT)算法,该算法简单、高效、鲁棒,利用非常稀疏的随机测量矩阵投影得到一种低维的类Haar-like特征,然后通过简单的朴素贝叶斯分类器对低维特征进行分类。本文结合感知哈希技术,从两个方面对压缩跟踪算法进行改进,首先利用简单高效的感知哈希模块匹配对大量的搜索样本进行筛选,降低了算法计算量。然后在算法更新过程中采用了一种参数模型自适应更新策略,提高了算法对目标发生部分遮挡等情况的适应能力。最后通过实验证明了本文融合感知哈希的压缩跟踪算法在实时性和鲁棒性上都得到一定提高,适用于车载视频监控系统。