纵观国内外城市安全现状,随着地铁、航空、小区附近以及交通道路等公共场所的安全事故不断发生,使得人们对于公共场所安全的问题关注度越来越高。近年来,国内各地政府部门也在不断的加大人力、物力和财力对公共场所安全的投入,也都在为构建“和谐社会、平安城市”的口号而努力。其中,为维护社会稳定和社会的和谐发展,政法部门开始着重加强信息化建设,依靠信息化手段来监管公共场所安全与稳定。因此,本文提出了平安城市视频监控中目标检测与跟踪技术的研究。在该课题的研究中,我们系统全面的论述了目标检测技术、目标特征表示和提取技术以及粒子滤波框架算法,并且针对于这三个方面,我们提出了符合实际需要的融合背景差分法和帧间差分法的目标检测技术、使用HOG特征进行跟踪目标特征表示和提取技术以及使用图像粒子完成目标位置和大小预测的粒子滤波技术。本文通过针对当前城市安全以及监控技术的背景介绍,引出了构建平安城市视频监控技术对于科技强警的重要性。并且,着重介绍了监控技术的发展对于现代生活的意义和价值所在。此外,对于该课题的研究,我们也进行了全面的国内外研究现状调查,并且分析了视频监控技术的研究方向和发展趋势。一个好的目标特征表示和描述方法将会对于后续目标跟踪算法的研究以及准确度的提高都起到非常重要的作用。因此,我们重点介绍了当前比较重要和传统的目标特征表示方法,并且给予具体的论述。我们对颜色特征、纹理特征、Haar特征和SIFT特征进行了详细和全面的特征分析,从各自的特征表示方法和特征提取步骤上来系统的阐述了传统的经典图像特征表示方法。文章概述了动态目标检测的含义以及其重要的地位,并且通过对帧间差分法和背景差分法等比较流行的动态目标检测算法研究,我们系统和全面的了解了每个算法的工作过程,以及当前动态目标检测的主要研究方向,为我们后续进行动态目标检测算法的研究提供了强大的理论基础。监控视频中的多目标检测技术的研究是进行多目标跟踪技术的基础。因此,我们提出了融合帧间差分法和背景差分法来实现对于监控区域中运动的多目标检测工作。这一过程中,我们详细的介绍了目标的检测和运动目标从背景图像中的分割技术。最后,通过对于粒子滤波算法的研究,本文全面的讲述了我们所提出的平安城市视频监控中目标跟踪技术的研究工作。这里,我们研究了对于检测到的目标进行特征表示和提取,因为只有给予要跟踪的目标进行很好的特征表示,才能实现对于目标的准确跟踪。所以,这里我们使用了当前非常流行的图像特征提取技术,即HOG特征。因为HOG特征描述子是典型的局部特征描述子,该特征一开始在图像匹配领域中提出,而且实际匹配效果非常显著,可以很好地解决图像的旋转和尺度不变性的特点。因此,我们将HOG特征用到了跟踪目标的特征表示中。最后,我们全面的提出了基于粒子滤波的多目标跟踪算法。通过结合目标检测、HOG特征表示和粒子滤波算法的研究,我们就实现了对于测试数据Crossing监控视频中运动目标有效监测和跟踪。