随着人们安全意识的逐步提高及计算机等技术的发展，在生活中，视频监控系统随处可见。通常，进行视频监控的目的是为了实现对监控区域中运动目标的检测与跟踪。目前，应用于视频监控系统中的运动目标检测与跟踪算法，大部分是针对普通生活场景的，这些场景相对简单，而对于复杂的自然背景下的监控，还没有一个比较好的解决方案。通过研究，本文提出了适用于视频监控系统中的，针对复杂自然背景下的运动目标检测与跟踪算法。论文主要工作如下：在运动目标检测方面，首先，提出了一种基于分形误差的边缘检测算法，对视频序列中的目标边缘特征进行提取；其次，提出了一种基于分形特征的运动目标检测算法，该算法利用目标的分形维数与自然背景分形维数的差异将目标从背景从检测出来。经验证，该算法能对复杂背景下的运动目标进行检测，检测速度快、结果准确。在运动目标跟踪方面，对常规的基于颜色特征的粒子滤波跟踪算法进行了改进，采用自适应滤波对运动目标模型进行更新，增强了目标跟踪的鲁棒性。另外，提出了一种基于多特征自适应融合的粒子滤波跟踪算法，该方法能够有效克服目标跟踪过程中由于目标颜色等特征变化提引的跟踪效果不理想甚至失败的问题。经验证，该算法对复杂背景下的运动目标跟踪更准确，鲁棒性更强。为验证本文研究的目标检测与跟踪方法的可行性，本文设计并搭建了一个基于B/S结构的视频监控系统。经验证，该方法有较强的应用性，能够在视频监控系统中取得比较好的运行效果。