随着计算机软件和硬件技术的发展,基于计算机视觉的智能视频监控技术受到了人们越来越多的关注。尤其在军事、计算机辅助设计、航空航天、智能机器人等领域,计算机视觉技术得到了广泛的应用。在计算机视觉中,运动目标的检测与跟踪是智能视频监控最重要的技术之一。由于在现实生活中,大量有意义的视觉信息都包含在运动当中,智能视频监控可以在无人工处理的情况下,自动完成对图像序列中运动目标的检测、提取、定位、跟踪和识别。因此对运动目标的检测与跟踪便成为人们研究工作的重点,本文围绕视频监控中的目标检测与跟踪算法进行了研究。首先介绍了视频监控技术的发展和研究现状;分析了各种图像分割技术。其次,对常用的运动目标检测与跟踪方法做了详细分析、改进和实现,包括运动目标检测中的光流场法、邻帧差分法、背景差分法;利用Laplacian算子改进了三帧差分算法,在一定程度上能得到较好的目标轮廓,减少空洞;利用邻帧差分思想改进了背景更新算法,使改进的算法更具有自适应能力。然后,对运动目标的阴影检测算法进行了研究,利用阴影区域的色度不变性原理,分析了基于梯度、RGB与HSV颜色空间模型的阴影检测算法,采用Ostu算法对HSV阴影检测算法进行阈值选取,以增强其环境的自适应性。在运动目标跟踪技术中,对粒子滤波、Mean Shift算法与CamShift算法进行了详细推导,并将Kalman预测滤波的思想结合到粒子滤波与CamShift算法中,使得改进后的目标跟踪算法在稳定性和准确性上有了提高。最后简单利用了目标区域的面积和周长等相关参数实现运动目标的识别,并对全文进行了总结和展望。