随着信息技术的不断发展和生活需求的增加，智能视频监控的应用越来越广泛。运动目标的检测与跟踪技术是智能视频监控的基础和关键，其融合了图像处理、模式识别以及人工智能等多个领域的研究成果，在国防军事、过程控制、医学图像以及社会安全等方面有着重要的应用价值。
　　运动目标检测与跟踪是目前研究的重点和热点之一，经过多年发展，这项技术取得了较多的研究成果，但也存在着许多问题和不足。在以前研究成果的基础上，对运动目标检测与跟踪算法进行了分析和改进，具体研究工作如下：
　　在运动目标检测方面，详细研究和分析了目标检测算法中光流法、背景差分法和帧间差分法的基本理论，并做了仿真实验，分析了实验结果，比较这三种方法的优缺点。在此基础上，重点研究了背景差分法，对其中背景模型的构建进行了深入探讨和研究。针对其不能自动适应场景变化、检测效果较不准确等问题，对经典混合高斯模型进行了改进，提出了自适应更新速率的混合高斯模型，然后结合三帧差分法，提出了三帧差分法和改进的混合高斯模型相结合的检测方法，能够适应光照变化的场景。然后对其进行了仿真实验，对比了其与三帧差分法和经典混合高斯模型方法的检测效果，证明了算法具有更好的检测效果。
　　在目标跟踪算法方面，首先研究分析了Mean Shift算法、Camshift算法和粒子滤波算法，针对Mean Shift算法和粒子滤波算法在跟踪时出现目标丢失、跟踪准确性较低等问题，提出了融合多特征信息的Mean Shift算法和粒子滤波算法，然后将改进的多特征融合均值漂移算法嵌入到粒子滤波算法中对目标进行跟踪，并对此种算法进行了仿真实验和分析，对比经典Mean Shift算法和粒子滤波算法的实验检测结果，证明此算法具有更高的准确性，有效提高了跟踪效果。