从2010年起,也就是互联网飞速发展的这些年,智能视频监控系统的应用场景越来越多,海康威视、大华还有国外的霍尼韦尔等安防公司纷纷推出了各种各样的监控设备产品,从之前的本地硬盘相机到现在的网络化相机,到家家户户都有的智能摄像头,智能视频监控系统对于我们的安全起到了很大的作用,也有利于治安稳定和社会安宁。移动目标的检测和跟踪是智能视频监控系统应用中的关键技术,基于移动目标的检测与跟踪技术,系统不仅可以获取运动目标的运动方向、速度等运动特征信息,同时还能够为进一步的运动目标的分类、行为理解等提供相应数据信息,对于视频监控系统的智能化起到关键作用,具有十分重要的研究意义。本文研究的目标及仿真对象都是基于静态背景下视频监控系统采集的的视频,视频可以看做是在时间轴上的图像序列。因此,本文首先就目标检测跟踪中的一些理论知识,包括目标检测与跟踪的总体框架、数字图像中的预处理技术以及目标特征提取等方法进行分析研究,为文章后续章节中研究目标检测与跟踪算法打下基础。除此之外,本文的主要研究对象是视频图像序列中移动目标检测和跟踪有关技术和算法。其中,目标检测是对视频监控系统采集的视频图像序列中是否有移动目标进行确认,而目标跟踪则是对在上一步被检测出的移动目标在视频图像序列中的位置进行实时跟踪定位。在移动目标检测部分,本文先就目前广泛应用的光流场法、帧间差分算法以及背景差分算法三种视频中运动物体的检测与识别算法进行了分析比较研究,并根据其各自的算法原理及仿真结果,分析各自的优缺点。在分析研究上述算法的基础上,针对传统帧间差分法和背景减除法在复杂背景、光照变化等情况下影响目标检测的问题,提出了一种基于三帧差分法和自适应混合高斯模型结合的目标检测方法,该方法首先采用自适应高斯混合模型动态地构建背景模型,通过背景减除法检测出运动目标区域;然后再通过帧间差分法在相邻三帧连续的图像上进行差分操作获取运动目标区域;最后对这两种方法获得的候选目标区域进行综合处理,最终提取出运动目标位置。该方法融合了三帧差分法和基于自适应混合高斯模型的背景差分检测方法的各自优势,能够快速准确地建立并更新背景模型,克服光照变化和背景噪声与干扰,准确检测出视频中的运动目标。在运动目标跟踪定位方面,本文先就目前常用的运动目标跟踪算法进行了简要的分析。重点分析了基于目标特征跟踪的均值漂移跟踪算法、卡尔曼滤波以及粒子滤波算法。针对均值漂移跟踪算法在目标被遮挡时跟踪结果发生偏移、精确度下降的缺陷,提出一种结合了卡尔曼滤波和均值漂移算法的移动目标跟踪方法,结果表明,利用该种改进的算法有效改善了目标被遮挡时系统跟踪的精确度问题,其结果相比于单纯使用均值漂移算法有了较大的改进。