智能化视频监控系统是以数字化、网络化视频监控为基础,它利用图像处理、模式识别等技术,抽取并分析视频源中的关键信息,及时发现并处理监控场景下的异常情况,从而更加有效的协助安全人员处理危机,并最大限度的降低误报和漏报现象。在我国构建社会主义和谐社会不断推进,“建设平安城市,促进社会和谐”已经成为全社会共同关注的目标的大环境下,智能视频监控技术在科学研究和工程应用上将会有着非常广阔的前景和巨大的潜在经济价值。运动目标检测与跟踪技术作为智能视频监控的一个重要组成部分近年来取得了长足的发展。但在实现可靠的实际应用前,还需要解决许多相关难题,如复杂环境下的目标检测,遮挡情况下的目标跟踪,以及目标跟踪的实时性等。本文在对目标检测和跟踪领域的主流算法分析研究的基础上,针对前两个问题提出了一些行之有效的解决方法,主要研究成果如下:运动目标检测方面:编程实现了主流的运动目标检测算法,包括帧差法、背景差法,光流法,分析了它们各自的优势和不足;在对现有的高斯背景建模方法进行深入分析的基础上,提出了一种改进的高斯背景建模方法。通过大量的实验验证表明,利用本文提出的改进算法进行目标检测具有较高的准确率,能够有效地检测出背景中运动目标的完整区域,能够满足实时性检测的需要。运动目标跟踪方面:主要研究了Mean Shift算法和Kalman滤波在目标跟踪领域中的应用,鉴于二者各有优缺点且可优势互补,本文提出了将Kalman预测和Mean shift搜索相结合的运动目标跟踪新方法。利用Kalman滤波估计出运动目标在下一帧中最可能出现的位置,再用Mean shift法据此进行较小范围的搜索和目标匹配,减少颜色分布对目标跟踪的影响,用较小的运算量获得较为可靠的跟踪效果。对于遮挡情况,利用Mean Shift中的相似度函数来判断,若发生遮挡,不再用Mean Shift收敛点信息去更新Kalman滤波器,直接使用预测点信息去更新,有效解决了目标遮挡问题。