智能视频监控常被用于军事战争、银行、机场、政府重要机构等场所,在各领域都有着广泛应用。运动目标检测与跟踪是智能视频监控中的关键及基础性技术,本文对其中的算法进行了研究。传统的混合高斯背景建模算法在运动目标检测的过程中,容易受到“鬼影”、阴影和背景扰动的影响,出现误检。针对该问题,提出了基于混合高斯模型的改进建模算法。该算法将SUSAN边缘检测和混合高斯背景建模相结合,自适应选择高斯分布的个数,并在不同时段选择不同的学习速率更新机制,在像素值变化较大时用当前像素值代替高斯分布的均值。对改进后的算法与原算法进行的实验对比和数据分析表明,改进的背景建模算法有更高的目标检测准确率。传统的均值偏移算法在光照发生变化和目标旋转运动时容易出现跟踪矩形偏移的问题。针对该问题,提出了改进的均值偏移算法。该算法在MS跟踪算法中引入了具有光照不变性和旋转不变性的SIFT特征,通过对目标区域和MS跟踪区域进行SIFT特征提取以及特征匹配,计算出SIFT特征的平均偏移量进而得到SIFT跟踪区域。用各自与目标区域的相似度来度量由MS算法得出的跟踪结果与由SIFT跟踪方法得出的跟踪结果的准确度,将其作为权值对这两个跟踪结果进行加权融合,得到最终的跟踪结果。实验表明,改进的MS算法在光照变化和目标旋转的情况下可以更加准确地跟踪运动目标。由于运动目标存在着姿态变化及尺度变化,在跟踪过程中容易出现跟踪不稳定的问题。针对该问题,在改进的MS算法中引入了仿射变换模型,得出仿射MS变换矩阵,在SIFT特征匹配的基础上引入仿射变换模型,计算出仿射SIFT变换矩阵。使用相似度作权值,对仿射MS变换矩阵和仿射SIFT变换矩阵进行加权融合,计算出最终的跟踪结果。实验表明,引入仿射变换后的改进MS算法在运动目标发生姿态变化和尺度变化的情况下可以更稳定地跟踪目标。