智能视频监控是利用计算机视觉和图像处理方法，在不需要人为干预的情况下，对摄像机拍摄的图像序列进行自动分析，实现动态场景中运动目标的检测和跟踪，判断目标的行为。这是随着数字视频技术的发展而产生的一个新的研究课题，其在国防安全、民用事业等多方面有着广泛的应用价值和极大的发展前景。以复杂场景下的运动目标检测和跟踪作为研究内容，对目标检测、阴影消除，目标跟踪及在移动平台实时实现问题等关键技术进行了研究，为了提高运动目标检测和跟踪的精度、实时性、各种挑战性环境中的自适应性等方面的性能，主要的研究内容如下:
　　(1)研究了背景存在微小运动干扰，目标在场景中长时间停留又发生运动形成的鬼影，光照变化和多目标相互遮挡情况下的目标检测问题。针对背景中存在微小运动干扰问题，提出了一种背景差分法和三帧差分法结合的目标检测算法。通过高斯混合模型确定运动目标区域，并且同三帧差法结合，有效地提取运动目标，并克服了孤立噪声、孔洞的问题。针对运动目标和背景的状态改变，提出了一种结合背景差分法和图像时间分析的检测算法，图像中的所有像素，甚至是前景对象所覆盖的像素，都在背景模型中不断被更新，消除了鬼影。针对光线变化及多目标情况，提出了高斯混合模型和自适应高斯分量数混合模型融合的算法，通过自适应改变权值，并根据场景中像素颜色变化的情况自适应改变混合高斯分量数目，对于复杂场景具有更好的鲁棒性和较快的收敛速度。
　　(2)研究了目标检测和跟踪系统中的阴影检测及抑制问题，提出了一种基于Phong物体光照模型的阴影检测和去除的改进算法。Phong光照模型认为环境光是常量。景物表面被假定为不透明，且具有均匀的反射率。利用亮度相对变化量属性特征来处理光照突变生成的阴影，亮度相对变化量在阴影区域比较稳定。运动目标区域像素点对应的协方差值变化较大，阴影区域像素点对应的协方差值变化较小。在一个(5×5)模板上用协方差值来衡量这种稳定性，改进了阴影判决算法。根据阴影区域亮度相对变化量随时间的变化保持相对稳定，设计一个滤波模板对灰度图像滤波，增大目标区域的不稳定性，改进了另一个阴影判别算法。利用这两个改进的阴影判决式进行阴影检测，并对实验结果进行了定性和定量的评估。
　　(3)研究了复杂环境下目标快速变化或遮挡时的跟踪问题，提出了一种融合“权重直方图”和卡尔曼滤波器的均值漂移跟踪算法。复杂背景下，各种因素容易对目标的颜色特征造成干扰，均值漂移算法中目标直方图的生成直接影响着目标跟踪精度，为解决这一问题，对生成目标直方图的方法进行改进，提出了“权重直方图”方法创建目标直方图，实现了单目标和多目标跟踪。针对目标被遮挡、在受到与目标颜色相近的背景干扰时易丢失目标的跟踪问题，提出了一种均值漂移和改进卡尔曼滤波组合的跟踪算法。利用自适应算法改进传统均值漂移算法，扩大搜索窗口，使运动目标位于搜索窗口内，用卡尔曼滤波预测目标运动空间位置，作为下一帧搜索窗口的质心坐标。用滤波后的结果作为均值漂移算法的输出来确保跟踪的持续性，提高了跟踪算法的鲁棒性。
　　(4)研究了目标跟踪实时性的问题，提出了一种基于FPGA的实时目标检测跟踪算法设计。分析了移动平台中的低成本实时计算机视觉问题，所应用的算法计算简单，占用资源少，适合在FPGA上实现。背景差法对于复杂环境下运动物体检测效果好而且计算量小，但是背景往往变化，提出一种基于背景差的改进算法，可以使背景图像自适应更新，减少背景变化对检测效果的影响。考虑到运算量、系统实时性，基于自适应质心窗口跟踪的改进算法对目标进行跟踪。使得实时的目标检测跟踪系统在可配置器件上得以实现。跟踪视频压缩编码之前，根据DCT变换和量化模块的设计要求，设计了乘累加除单元，通过VGA显示器实时显示运动检测与跟踪结果。对运动目标的跟踪具有较好的实时性和准确率。