目标的检测、跟踪与行为识别作为视频监控的主要研究内容,是当前计算机视觉领域的研究热点,其不但具有重要的实际意义,而且对计算机视觉的其他研究领域有着重要的推动作用。视频监控技术研究的主要目的是赋予机器视觉系统人类的视觉感知功能,以能够在图像序列中发现目标、跟踪目标,并对目标的行为进行识别和理解。首先,本文研究了目前前景检测中背景建模的一些常用的算法,包括帧间差分法、基于贝叶斯理论的复杂背景建模和基于时间轴滤波的背景估计。对混合高斯背景建模进行了详细的介绍。针对其光照敏感的缺点,提出了一种对混合高斯背景建模的改进算法。该算法利用当前帧和背景的平均灰度差来对背景进行快速的更新,解决了其对光照变化敏感的缺点。其次,本文研究了匹配跟踪的一些常用的方法,并对匹配过程中的模板更新方法做了介绍,包括中心加权策略和自适应模板修正策略。针对匹配跟踪的特点,将其应用到对静止物体检测的过程中,提出了一种新的对静止前景检测的算法,用以提高对其检测的准确性和鲁棒性。最后,本文利用改进后的背景建模算法和静止前景检测的算法进行了物体遗留丢失检测系统的设计与实现,并对静止前景检测、提取和跟踪等各个步骤进行大量的测试。测试结果表明该系统能够对目标进行有效精确的检测及提取；对遗留或丢失的物体能够进行及时的报警。