智能监控系统是一种具有主动监测及预警功能的系统,运动目标检测以及跟踪是智能监控系统中重要的一环。本文结合监控系统的需求,对监控视频的运动目标检测算法以及跟踪算法进行了深入研究。首先,利用像素点中前k个最大、最小亮度分量的平均值来代替最大、最小亮度分量值,并融入了自适应卡尔曼滤波的思想,对传统码本模型进行了改进,减少了其对光线变化的敏感性。实验结果表明,改进的码本模型可明显减少背景中混入的噪声。在此基础上,提出一种基于码本模型和边缘检测的运动目标检测算法。先利用改进码本模型进行初步检测,然后利用边缘检测将当前帧边缘及均值背景边缘检测出来并作差分,处理后进行“与”操作得到结果。实验结果表明本文算法检测出的目标完整准确、边缘清晰,前景提取率比GMM算法提高了24%,比改进码本模型提高了5.3%,且处理方面能达57帧/秒,可满足实时性要求。接着针对深度特征在旋转适应上的不足,提出一种融合旋转不变的统一LBP纹理特征以及卷积神经网络的相关滤波跟踪算法。先构建并预训练卷积神经网络,接着在评估标准集上分别对分层卷积特征以及纹理特征融合分层卷积特征进行跟踪性能分析。采用加权融合的方式将纹理特征与分层卷积特征结合,并采用尺度自适应以及更新策略。实验证明,在复杂情况下,本文算法比起同样利用卷积特征的HCF算法跟踪精度提高了11.8%,跟踪成功率提高了2%,对目标的旋转形变以及尺度变化具有鲁棒性。最后设计了一个监控界面并对本文的检测以及跟踪算法进行了验证,实验证明,本文算法可以在实际监控场景中对人物进行检测与跟踪。