视频监控在如今的社会应用十分广泛,在公共安全、交通等领域都起到了巨大的作用,基于计算机视觉技术的智能视频监控已经成为了一个热门的研究方向。众多学者在这方面的课题上已经做了大量的研究,但众多复杂的应用场景使得在实际应用过程中还存在如光照变化、短时间遮挡等方面的问题需要解决。本文从已有的经典算法出发,针对监控视频的移动目标检测、识别、跟踪技术进行了研究。主要内容如下:(1)研究分析移动目标检测算法中经典的帧间差分法、背景差分法和光流法,通过对比分析,提出一种结合混合高斯背景建模和三帧差分法的改进算法,利用帧差法对光线变化不敏感的优点解决了混合高斯模型易受光线干扰的问题。实验表明,该算法在背景轻微抖动和光照发生变化的情况下也能完整检测出目标区域,提高了移动目标检测的鲁棒性。(2)分析目前常用的目标表示方法和经典的分类器,采用基于HOG特征的SVM分类器进行移动目标的分类识别。使用公共数据集获取车辆和行人的训练集正负样本,分别训练车辆和行人的SVM分类器,使用自举的方式提升模型性能,将移动目标检测提取到的目标区域作为进行HOG特征提取输入SVM分类器进行分类识别。(3)研究了生成式目标跟踪算法中的Kalman滤波算法和Mean-Shift算法和判别式目标跟踪算法中的TLD算法和KCF算法。采用融合Kalman滤波的Mean-Shift算法进行目标跟踪,针对Mean-Shift跟踪算法在遮挡时的漂移问题,将Kalman滤波应用到Mean-Shift算法中,通过实验验证本文算法能够实现短时间遮挡情况下的目标跟踪。