智能视频监控是当今社会热点的产业,其重点是运动目标的检测与跟踪。但在实际的应用中,运动目标的检测与跟踪的结果仍面临着很大的挑战。本文针对实际跟踪中遇到的难点,在前人的基础上,设计并提出了面向智能视频监控的运动目标检测与跟踪算法的改进算法。本文完成的研究工作及主要贡献如下:(1)目标检测研究方面:阐述了目前智能监控视频领域常用的运动目标检测算法的主要原理和优缺点。针对混合高斯背景模型前景检测时存在的缺陷,本文对算法重新进行了设计,新算法将混合高斯背景模型与三帧差分两种检测算法相结合来实现目标的检测,实验表明:本文算法在目标提取时更加完整,可以在一定程度上克服混合高斯背景模型存在的目标断层的问题。(2)目标跟踪研究方面:阐述了目前智能监控视频领域常用的运动目标跟踪算法以及这些算法的基本原理和主要的优缺点。重点介绍了Mean-shift跟踪算法,针对实际复杂环境中出现的目标遮挡和形态变化造成跟踪性能下降的问题,提出了一种基于块的Mean-shift跟踪算法,首先将跟踪目标平均分块,每小块独立进行传统Mean-shift跟踪,利用小块跟踪目标;其次跟踪检测器检测目标小块跟踪的有效性,筛选出无效跟踪的目标小块,解决了目标分块造成跟踪性能下降的问题,增加了对目标空间信息的检测,弥补了Mean-shift算法的局限性。实验表明:本文算法在目标发生遮挡和形态变化时仍然可以有效的实现跟踪。(3)TLD目标跟踪方面:详细介绍了TLD目标跟踪算法的基本原理。针对传统TLD跟踪算法中检测器处理速度慢的问题,为此引入卡尔曼滤波器来预估当前帧目标所在区域,从而缩小了检测器的检测范围,提高了检测器的处理速度,并对比研究了TLD跟踪算法和本文算法的跟踪效果和运行时间。实验表明:与传统TLD跟踪算法相比,本文算法在保证跟踪效果的前提下运行速度有所提高。