视频监控系统的智能化是计算机视觉领域新兴的一个研究方向。它的主要目标是通过计算机视觉技术对监控视频序列的内容进行自动分析和判断,对监控过程中出现的异常行为及时做出反应。视频运动目标的检测与跟踪技术是智能视频监控系统中的关键底层技术,它涉及数字图像处理、机器学习、人工智能等众多技术领域。目标检测与跟踪技术的研究对安防监控、交通监控等应用领域有重要的现实意义。本文重点研究智能视频监控系统中的运动目标检测和目标跟踪两项关键技术。在分析对比常用的运动目标检测与跟踪方法的基础上,结合实际应用对算法进行了一定的研究和改进。具体研究工作如下：(1)运动目标检测方面,首先概要介绍了背景减除法、帧间差分法和光流法,并分析了它们各自的优缺点；在此基础上,着重研究了基于混合高斯模型的背景减除法；通过对经典混合高斯模型的建立和参数更新进行数学描述,指出经典混合高斯模型存在的计算量大、实时性差的缺点；考虑到实际应用场景中常出现的阴影干扰问题,本文提出了一种YUV(亮度,色度)彩色模型下的基于混合高斯阴影模型的阴影抑制算法,通过实验验证,该阴影抑制算法一定程度上消除了阴影对运动目标检测准确性的影响；并针对混合高斯模型计算量大的问题提出了一种改进的混合高斯模型快速算法,实验表明,该算法有效提升了运动目标检测的效率。(2)目标跟踪方面,首先分析对比了基于滤波理论、基于偏微分方程和基于均值平移的目标跟踪方法的优缺点及适用条件；重点研究了基于均值平移算法的目标跟踪方法,分析了该方法易于实现、算法效率高等优点以及由于特征不足而造成跟踪鲁棒性差的缺点；针对经典均值平移算法的缺点,在详细描述了尺度不变特征转换算法的原理及优势的基础上,提出了一种结合尺度不变特征转换算法与均值平移跟踪算法的融合算法,并通过实验验证了该融合算法相较于经典均值平移算法在目标跟踪鲁棒性方面的提升。(3)介绍了智能视频监控系统的应用及设计架构,设计并实现了该系统中行人移动侦测与跟踪子系统、绊线检测与周界防范子系统和盗移检测子系统；对各子系统的运行效果进行了实验和分析,验证了本文所研究的运动目标检测与目标跟踪算法在实际应用中是适用的。