智能视频监控系统利用计算机视觉和图像处理技术,主动分析摄像机实时采集到的视频,完成对视频图像中运动目标检测、跟踪以及行为分析等高级视频图像处理,实现对监控区域内公共安全的实时监控。安防巡逻机器人搭载着监控设备,移动工作状态下实现监控,相较于传统监控系统摄像头固定不动,从被动监控转向主动监控,实现范围更广。运动目标检测与跟踪是智能视频监控系统的关键技术,广泛的应用于军事、交通、工业、生物医学和安防等多个领。经研究和发展取得相当可观的成就,但是尚未存在某种算法适用于任何场景,依然面临着挑战。本文依靠这些成果对移动背景下运动目标检测与跟踪进行了研究,具体工作概括如下:首先,归纳阐述智能视频监控系统领域在国外、国内的研究现状及重要意义,讨论其关键性技术运动目标检测与跟踪的难点和问题,引出本文的课题——安防巡逻机器人运动目标检测与跟踪研究,以便在后续章节中针对性的分析。其次,运动目标检测方面,研究分析了静态背景下几种常用检测算法的优缺点,并实现相关实验对比。监控图像背景跟随巡逻机器人移动,针对静态背景算法无法满足背景移动的缺点,本文采用基于ORB特征点匹配的传统全局运动补偿算法,完成对运动目标检测提取,为确定目标类别及是否为特定跟踪对象,本文研究Faster R-CNN深度学习目标识别算法,识别前期所检测出的运动目标,为后续指定目标跟踪做好准备。然后,目标跟踪算法方面,分析研究了CamShift算法实现过程及跟踪效果。针对移动环境中目标因受到遮挡、光照变化和颜色相似等外界环境干扰导致跟踪效果不佳甚至丢失目标的问题,本文提出一种基于Kalman滤波和CamShift算法相结合的改进目标跟踪算法。运动目标受到干扰,采用Kalman预测值代替CamShift最优位置计算值,并跟新Kalman滤波观测值,有效克服上述问题。最后,构建实验平台,在PC机上对获取的视频图像进行运动目标检测与跟踪算法实验。实验结果表明:移动背景下,全局运动补偿的算法能够很好的从背景图像中检测出运动目标,为目标跟踪做好准备;基于Kalman滤波的CamShift算法在一定程度上解决了上述问题,对运动目标跟踪具有较好的鲁棒性,跟踪效果良好。