智能视频监控与人们的生活联系越来越紧密,已经渗透到人们生活的各个方面,如交通流量统计、企业安防、刑侦、银行监控、医院等都可以看到视频监控的影响。智能视频监控作为模式识别领域的重要分支,主要研究的是视频中的运动物体,对运动目标进行检测、识别和跟踪。而人是视频中的人们最关心的运动目标,通过对行人的行为分析,给监控者提供可靠、及时的信息,为人们对异常事件做出快速的反应提供依据。视频中行人的检测与跟踪技术是这一切的基础,只有有了准确、鲁棒的行人检测与跟踪算法,才能为后面的人体动作识别、人群异常事件检测等提供可靠的保障。因此研究视频中的行人检测与跟踪算法具有重要的现实意义。本文总结分析了常用的视频中的目标检测和跟踪方法,并提出了改进的算法,在多种视频条件下进行了行人检测跟踪的实验。本文的主要研究内容如下：1)详细研究了基于肤色的行人检测算法,提出了一种利用YCbCr聚类图来限定肤色区域的人脸检测方法,增强了肤色检测在不同光照环境下的鲁棒性。2)详细介绍了压缩感知算法,从两方面改进了基于压缩感知的目标跟踪算法,一方面是目标特征提取,在原始特征的基础上得到互补的另一种特征,然后采用多特征联合的方法描述目标和背景,增强目标稳定性；另一方面是增加检测反馈,利用检测的结果修正发生漂移的目标；并用OpenMP技术对改进的压缩感知跟踪算法进行了并行化处理；对提出的算法进行了不同环境下的实验,证明了算法的有效性和实时性。3)针对视频跟踪中目标遮挡问题,提出了一种粒子滤波算法,该算法用目标的混合彩色直方图作为特征,采用随机正太分布的初始化方法和高权值多复制的重采样策略,最后通过实验验证了该算法对遮挡问题有很好的鲁棒性。4)本实验室课题组的不同成员分别对智能视频监控领域的不同技术进行了研究,共同组成了一整套智能视频监控系统,包括前景检测与分割、行人检测与跟踪、人体行为识别、徘徊逗留检测、遗留物体检测、异常事件发现等模块,本文主要完成的是行人检测与跟踪部分,该部分是其他模块的基础,本文算法的好坏将直接影响整个系统的性能。