智能视频监控是在不需要人为干预的情况下,利用视频分析方法对图像序列进行自动分析,实现对动态场景中的目标检测和跟踪,在此基础上还可以实现一些后续步骤,如目标识别、目标行为分析、报警等。因此智能视频监控技术是目前国内外计算机视觉研究领域热点问题之一。运动目标的检测和跟踪是视频监控系统中重要组成部分,因此如何实现对运动目标实时、稳定和有效地检测和跟踪,是一个需要关注和研究的重要问题。本文旨在设计摄像头静止情况下的智能视频监控系统,在分析现有成果的基础上,对运动目标检测和跟踪的相关技术进行了改进和实现。主要内容如下:在目标检测方面,首先比较分析了常用的几种运动目标检测方法,选取以混合高斯模型为基础的背景减法,接着分析了利用传统高斯模型判决目标时需要人为设置阈值的问题,影响了运动目标检测系统的实用性。针对这个缺陷,本文提出了一种基于自适应阈值的高斯模型。在分析几种自适应阈值法的基础上,本文采用最大类间方差法的思想来改进传统混合高斯模型,从而替代传统算法中的固定阈值检测,使得运动目标检测系统可以根据场景动态地设置阈值,提高了运动目标检测系统的实用性和精确度。在目标跟踪方面,本文选取CamShift算法来完成系统中目标跟踪的任务,针对CamShift算法对快速运动目标的跟踪效果不理想的问题,本文结合卡尔曼线性滤波器对视频下一帧的目标位置加以预测,实现对原有算法的改进。改进后的CamShift算法在跟踪迭代起始点的位置上更加靠近目标实际所在的位置,从而缩小了搜索范围,减少了算法迭代的次数,提高了跟踪处理速度以及跟踪精度,并且使目标跟踪系统获得较高的可靠性和鲁棒性。相关试验的结果证明了本文中的算法的有效性,可应用在实际场景条件下检测和跟踪运动目标。