为了满足“智慧城市”和“平安城市”建设的需要,城市内的视频监控已基本实现了区域全覆盖。如何发展和应用高精度的监控视频分析方法,已成为深度和广度应用视频的热点和难点问题。监控视频分析的首要任务是检测并跟踪运动目标,但由于相机成像过程中目标存在透视和倾斜变化,在复杂监控场景下目标检测跟踪的鲁棒性较低难以满足实际应用的需求,因此克服透视和倾斜变化对目标检测跟踪影响的研究变得极为重要。本文首先通过相机标定获取视频中目标的尺寸信息,然后在运动目标检测过程中引入噪声去除方法提高检测的精度,最后利用目标尺寸信息对图像区域进行矫正消除透视和角度变化,结合特征和轮廓描述信息提高目标跟踪的鲁棒性。论文的研究内容和取得的成果包括:(1)基于光流提取灭点的相机标定方法本文针对基于运动目标提取灭点方法在受遮挡影响的问题,提出了基于光流提取灭点的相机标定方法,利用目标在移动过程产生的光流提取灭点,在现有基于灭点的相机标定基础上计算相机参数。实验结果表明,基于光流提取灭点的方法比基于行人提取灭点的方法的精度和易用性更高。(2)基于前景记忆的运动目标检测方法本文针对Vibe运动目标检测算法参数固定易产生噪声的问题,提出一种带记忆的Vibe算法。根据噪声与真实前景在时空特征上的区别,利用记忆图层记录前景像素动态调整不同像素区域的算法参数。实验结果表明,带记忆的Vibe算法相比现有改进的Vibe算法检测精度更高。(3)基于复合描述的运动目标跟踪方法本文针对单一跟踪方法在复杂场景下鲁棒性较低的问题,提出一种基于复合描述的运动目标跟踪算法,根据相机参数恢复目标的尺寸信息克服目标透视变化和倾斜变化的影响,同时结合基于特征和基于轮廓的目标描述方法克服目标遮挡和形变的影响。实验结果表明,本文基于复合描述的运动目标跟踪算法在保持算法效率的同时,跟踪精度比基于单一描述的跟踪算法更高。研究结果表明,本文提出的基于光流提取灭点的方法适用于存在光流的监控场景,能够扩展现有基于灭点的相机标定方法的应用范围。在相机标定的基础上,本文提高了现有运动目标检测跟踪方法的精度和鲁棒性,能够在复杂监控场景下自动检测并跟踪运动目标,有效克服透视和倾斜变化的影响。