随着时代的发展,人们的思想意识得到提高,安全意识也越来越深入人心。视频监控作为一个极为重要的安防手段,是人们安全的重要保障。目前,生活中的大多数视频监控系统主要依靠专门的工作人员去实时地查看视频里的情况,具有效率低、处理不及时、盲点大等特点。因此,开发一款自动对监控摄像头中的视频进行监控的智能视频监控系统对维护社会安定、保障人们安全有着重大意义。人体目标跟踪技术是实现智能视频监控系统的关键,其结果将直接影响智能视频监控系统的监控效果。现有的人体目标跟踪算法只适用于简单场景下的视频跟踪,但是由于忽略了对监控场景下的人体特征的挖掘与考虑,在复杂的监控视频上的跟踪效果并不是很理想。因此本课题将人体检测引入目标跟踪框架,首先对监控场景下的人体检测进行研究,然后研究了基于人体检测的人体目标跟踪算法。本文的具体研究内容如下:首先,本文分析了监控视频中的人体检测出现困难的原因,从公安局调取了真实监控视频制作出了监控视频人体检测数据集,采用VGG16分类网络实现检测网络的参数迁移,并优化了适应人体检测的非极大值抑制,提出了基于三帧差分法的候选区域生成优化算法,实现了针对监控视频的人体检测方法。该方法有效地提高了复杂监控场景下的人体检测精度。然后,针对当前人体目标跟踪算法忽略了对真实监控场景下的人体特征的挖掘与考虑,本文将以上提出的针对监控视频的人体检测方法引入目标跟踪框架,提出一种面向复杂视频监控的鲁棒的人体目标跟踪方法。本文基于SiamMask网络,优化了初始帧的目标模型和搜索区域的选取方式,提出了基于人体检测的目标跟踪候选区域权重计算方法,此外,还提出了融合人体检测结果和相邻帧间目标连续性的目标模型更新方法。该方法有效地提高了人体目标跟踪的准确性和鲁棒性。本文基本以上研究内容,设计并实现了人体目标跟踪系统。通过大量的实验从主观性能评价与客观数据统计两个角度分析并验证了本文所提方法的有效性,实验结果表明了本文所提出的人体目标跟踪算法在受光照、距离等多方面因素影响的复杂的监控视频中依然可以保持较好的跟踪效果,提高了现有人体目标跟踪算法在监控场景下的性能。