智能视频监控技术是计算机视觉领域近年来新兴的一个研究方向。它主要的研究目标是利用计算机视觉技术、图像视频处理技术和人工智能技术对监控视频的内容进行高层语义分析,并且根据分析的结果对视频监控系统进行控制,从而使视频监控系统具有较高的智能化水平。因此,智能视频监控技术在公共安防、智能交通等领域有广阔的应用前景,成为国内外专家学者研究的热点。实际视频监控系统中的场景往往是错综复杂、变化无常的,而准确地对运动目标检测和跟踪是进行行为理解等后续处理的基础。本文的研究目标是针对固定,摄像机下的复杂监控场景,研究相应环境下人的检测和跟踪的相关模型及算法。本文针对三种常用的运动目标检测算法和不同背景模型的研究和分析,提出了融入阴影检测和混合高斯模型的目标检测算法,并对目标检测结果进行建模,为后续跟踪提供了准确有效的输入。通过Matlab对该算法进行仿真,实验结果表明,该算法能够有效的处理多模态背景并对运动阴影有很好的抑制作用。针对现有粒子滤波算法多采用手动选取待跟踪目标的缺点,本文提出了自动建模的粒子滤波跟踪算法。通过对上述章节中的检测目标进行自动建模,为基于颜色的粒子滤波跟踪算法提供有效的模型输入,实现了运动目标的自动建模和跟踪。通过Matlab进行算法仿真,采用PETS2006通用测试视频进行实验,实验验证了自动目标建模的有效性,跟踪结果显示粒子滤波算法对于非刚体的人的跟踪有很好的鲁棒性。针对基于颜色的单一视觉信息在复杂监控场景下描述目标不充分及缺乏稳定性的缺点,本文提出了一种基于粒子滤波框架的自适应多信息融合的跟踪算法,其中利用颜色和纹理双重信息描述目标,通过白适应权值更新将两种信息融合在一起,使跟踪算法能够根据当前跟踪形势自适应调整两种信息的权重,实现了目标的鲁棒性跟踪。