计算机智能视频监控是计算机视觉领域备受关注的前沿课题,是计算机科学、机器视觉、图像工程、模式识别、人工智能等多学科高技术的结晶。计算机智能视频监控是在不需要人为干预情况下,利用计算机视觉和视频分析的方法对摄像机拍录的图像序列进行自动分析,实现对场景中目标的定位、识别和跟踪,并在此基础上分析和判断目标的行为。本文对复杂场景的背景建模与运动目标检测与跟踪进行了较为深入的研究。背景建模一直是运动目标检测中的一个重要课题。传统建模的前提是场景中有固定的大背景。本文提出了一个适用于动态背景的基于颜色和纹理的背景模型。这个概率背景模型不仅考虑了传统目标检测中的时域相关性(背景减除等),也考虑到了在动态场景中大量存在的空间相关性(方块纹理),使得摆动的树枝,飘荡的红旗,起伏的波浪等动态背景中依然得到准确的运动目标检测。文中利用混合高斯概率模型计算当前像素的颜色前景概率值,利用LBP纹理模型计算当前像素的纹理前景概率值,最后应用数据融合算法D-S证据理论进行决策层级上信息融合得到当前像素隶属于前景的概率值。进而提高了前景判别的准确性。实验证明,上述算法能够在一般目标检测特别是动态场景下的检测中取得良好的效果。在目标跟踪算法中,针对目前Mean Shift算法存在的问题,本文提出了一种将Kalman滤波器与Mean Shift相融合的算法,能比较稳定快速地对运动目标进行跟踪,并有效地处理了遮挡问题。