智能视频监控作为图像处理和计算机视觉领域中一个涉及多学科的研究前沿,有极其重要的科学意义和广阔的应用前景。运动目标检测和跟踪是智能视频监控中最基础的两项核心技术,它们是后续的各种高级处理,如目标分类及行为分析、事件检测、行为识别、视频图像的压缩编码和语义索引等高层次的处理和应用的基石,也是视频监控系统自动化、智能化和实时应用的关键。探寻能够从容应对复杂环境的各种变化,精确、快速而稳定地检测和跟踪运动目标的算法实现仍然是当前亟待解决的课题。本文以实现智能化视频监控系统这一背景为基础,重点针对智能视频监控系统中运动目标的检测和跟踪这两个关键技术进行研究,以期获得满足智能视频监控更为可靠和实用的算法。主要包含了以下几个方面的工作:对运动目标检测的算法进行了总结,并对基于混合高斯模型的背景差除法进行了深入的分析,从基本理论到具体应用的简化做了阐述。并通过实验验证了混合高斯模型在处理多模态背景时的有效性。概述了阴影消除的算法,并具体分析了一种基于HSV空间的阴影检测方法。对粒子滤波进行了深入的分析,并阐述了粒子滤波用于目标跟踪的基本算法框架。对多线索融合的跟踪方法进行了分析。在粒子滤波的框架下,提出了一种自适应融合颜色线索和角点线索的跟踪方法。实验结果证明,多线索融合的方法比单一线索具有更好的稳定性,能处理有效抑制光照突变和背景混入等影响。对目标跟踪中的遮挡问题进行了分析,概述了遮挡问题的研究现状,针对遮挡时表面线索的退化,提出了一种鲁棒的抗遮挡方法。采用基于核密度椭圆的二值形状模板和颜色直方图模板作为跟踪线索,引入目标可视度来评价目标遮挡时颜色线索的可信度,自适应地融合两者的信息得到观测模型,进而在粒子滤波器的框架下对目标进行跟踪。实验结果表明在遮挡情况下,本文算法比传统的基于单一线索的算法有更好的鲁棒性。