近年来,智能视频监控无论在工业生产还是安防领域中都发挥着举足轻重的作用。运动目标检测与跟踪作为智能视频监控系统的重要组成部分,其算法的准确性、稳定性、实时性将直接影响系统的性能。本文对ViBe检测算法和KCF跟踪算法进行了深入研究及改进,并实现了检测跟踪一体化。具体的研究工作如下:(1)针对当前几种主流的运动目标检测与跟踪算法进行了理论研究,并通过实验进行了性能对比。ViBe算法和KCF算法凭借其优越性能,成为本文的主要研究对象。(2)针对ViBe算法存在的鬼影以及抗扰性较差问题,本文提出了一种基于显著性检测和自适应模型的改进ViBe算法。针对鬼影问题,对视频前M帧进行显著性检测,根据显著图确定目标移动区域并合成相对真实背景进行建模。针对抗扰性较差问题,提出一种有效的背景复杂度计算方式,并根据复杂度对阈值进行自适应设置。最后通过内轮廓填充以提高目标完整度。仿真结果表明,改进算法在精度、鲁棒性等方面取得了更好的结果。(3)针对阴影问题,本文基于背景减除法理论,提出了一种基于多特征自适应模型的改进检测算法。首先,建立多特征背景模型,融合色度特征和纹理特征来提高背景模型的表征能力。然后根据背景复杂度自适应进行前景检测。最后对背景模型进行更新。实验结果表明,改进算法较好地消除了阴影的影响。(4)针对KCF算法尺度固定和缺乏遮挡处理问题,提出了一种抗遮挡及尺度自适应改进KCF算法。针对遮挡问题,引入遮挡处理机制,当判断目标处于遮挡时停止更新模型,以获得更为精确的目标位置。针对尺度固定问题,在当前位置采集不同尺度样本并计算响应值,其最大响应值对应的尺度为最优尺度。实验结果表明,改进算法在存在目标尺度变化及遮挡的场景下能够准确地跟踪目标。(5)为满足实际需要,本文实现检测跟踪一体化,将检测算法的结果输入到跟踪算法中,可实现自动跟踪。