近年来，视频监控系统在各行业得到了广泛的应用，但是这些系统的功能局限于对场景的记录和保存。随着信息化进程的推进和人民生活水平的提高，人们对智能监控系统的需求越来越迫切。智能监控系统的目的是让系统自动的进行物体检测、识别、跟踪和行为理解，它在增强社会安全方面有很大的潜在价值。人体运动检测和跟踪作为智能监控系统的主要技术，已受到国内外研究人员的广泛关注。 本文在已有工作的基础上构建了一个智能视频监控系统，对从固定摄像机采集的长序列图像进行分析，自动检测出人体，并进行持续的跟踪。系统包括前景检测、物体分类和人体跟踪三个主要模块。 检测模块详细分析了基于GMM的前景检测算法，包括模型的描述、当前状态估计、背景估计、参数估计、方法近似以及参数更新等，并对算法的缺点进行了分析，在两个方面进行了改进，较好地解决了背景初始化和占用空间较大的问题。另外，RGB空间和色度空间的检测结果的结合，消除了光照剧烈变化和人体阴影对检测的影响。 在分类模块，根据场景的先验知识，制定了基于形状特征的分类规则。从物体二值侧影的投影直方图中提取几何信息，计算分散度、面积和宽高比等，并利用它们将前景物体分为人、人群和车辆三个类别。 人体跟踪分单人和人群跟踪两种情况。对单人使用卡尔曼滤波器进行跟踪，选择人体中心作为跟踪的特征点，有效防止了人体自运动对跟踪的影响，并使用组合的方法对卡尔曼滤波器的发散进行了抑制，提高了算法的鲁棒性。当多人形成人群时，采用基于侧影的形状分析对人群中的人进行分割并对他们进行持续跟踪。当有人从人群分裂出来时，用基于颜色模型的方法对他进行匹配。实现了对一个人在进入人群前、处于人群中和从人群中分裂后的持续跟踪。 通过在PETS数据库的测试序列上进行检验，证明本文描述的系统能够正确地检测和跟踪人体运动，具有很强的实用性。