本文的主要研究内容是针对室内的视频监控系统的目标跟踪与检测。智能视频监控系统在全球范围内已经得到了相当大的关注并取得非常广泛的应用,随着科学技术的不断发展,视频监控系统正朝着高智能化的方向发展。而在这个系统之中目标的跟踪与检测技术显得尤为重要,这项技术为后续智能化处理提供了坚实的基础。本文针对在室内相对固定背景下的目标跟踪与检测技术进行了思考和研究,提出更为有效的方法,并通过实验与仿真证实了此方法的有效性与准确性。首先介绍了目标跟踪检测的发展现状与背景,并对相关研究技术手段进行介绍和分析对比。然后通过对各种学术论文和相关知识书籍的阅读,对相关目标检测提取技术进行比较。由于本文算法主要是针对室内相对固定背景研究的目标检测,所以提出一种基于高斯背景建模方法对背景图像进行重建。该方法数学算法上较为复杂,但是其在背景提取方面上有着相当好的效果,能够得到非常“干净”的背景帧,即能将图像中的前景干扰因素进行排除和抑制,并且由于使用OpenCV在计算机上实现起来也较为容易。最后在对目标的跟踪过程中,针对经典MeanShift算法要求相邻两帧间目标模板区域必须重叠的缺陷,结合Kalman滤波器,本文提出了基于Kalman与MeanShift相结合的算法。将Kalman滤波器预测的被跟踪目标的位置作为MeanShift算法中的初始搜索中心进行跟踪,再通过MeanShift算法得到的目标的新的位置,这样就可以克服Kalman滤波器对目标新的位置的预测所花费的时长问题,在很大程度上提高了算法的实时性。