在安防智能视频监控系统中，多目标匹配统计是防范监控场景中的运动目标异常行为分析的重要组成部分。环境的复杂性便导致了多目标的准确匹配统计中存在着诸多的难点问题，为此本文对此展开了深入的研究。　　首先，本文分析了影响多目标匹配统计准确性的三个主要原因，一是因为运动目标存在与背景相似的部分，使检测出的运动目标区域被分为若干个碎片，由此被错判为多个目标;二是因为多个运动目标相互距离太近，导致彼此粘连，误判为单个目标;三是群体目标出现时，彼此的相互遮挡，以及背景物体（如树木）对物体的遮挡，错判为目标离开。　　针对以上的三个影响多目标匹配统计准确性的问题，本文给出了多个特征融合，以及多种方法相结合的手段，提高其匹配统计的准确性。　　首先，对检测出的目标存在分离碎片的问题，本文将每个局部区域的外接矩形进行形态学膨胀处理，根据人体的结构特点，以及外观颜色分布特点，构建碎片合并准则，对其进行合并。　　对于目标间的相互粘连，首先去除阴影，消除因阴影导致的粘连。对于群体目标间的相互粘连，将粘连状态分为横向粘连与复杂粘连两类。对于横向粘连利用人头部的特征进行分割判断;对复杂粘连不做分割，仅通过判断该粘连团块是由之前的几个目标进入导致即可，采用卡尔曼滤波器对各个目标的运动进行预测与校正跟踪。　　对于目标间的相互遮挡，同目标间的相互复杂粘连处理方式，对于目标被视场中的立体物暂时遮挡的情况，也采用卡尔曼滤波器对其进行预测与校正跟踪。　　最后，采用的是单应性变换方法，判断背景中的立体物，之后给出监控视场中与视场边界相邻的立体物，由此判断目标是被暂时遮挡，还是从遮挡物后面走出视场，降低因卡尔曼滤波预测对从非画面边界走出目标的误判断。　　实拍视频以及国际标准测试实验的测试实验结果，验证了本文方法的有效性。