伴随着我国信息化建设的高速发展,视频监控变得十分普及,视频监控记录的信息多、监控的范围大,是人类重要的信息载体。随着人工智能技术的不断发展,视频中的运动目标检测与追踪技术逐渐成为人们关注的焦点。依靠传统人工检测和追踪目标的方法易出现误检漏检,这就迫切要求研究者利用机器视觉技术及人工智能技术对视频监控进行深入研究,对监控信息进行准确识别、跟踪和分析。本课题主要研究监控视频中的运动目标检测和追踪技术,目的是能实现监控视频中的目标检测和追踪任务。主要研究工作如下:(1)分析了视频监控中运动目标检测和运动目标追踪技术,对现在监控系统做了系统分析,指出了在监控中应用智能监控的必要性。(2)分析研究了图像预处理的方法。对比高斯滤波和中值滤波以及自适应中值滤波算法,得出自适应中值滤波算法在图像去噪方面有较好的效果;研究了光流法、帧间差分法、背景差分法研究运动目标检测方法,设计了一种通过结合三帧差算法的改进型高斯混合模型,有效解决了运动目标检测中的目标边缘模糊的问题;针对检测结果中产生的空洞现象,采用种子填充法对空洞现象进行去除;最后采用HOG+SVM方法实现了对视频监控中的行人检测,取得了较好的效果。(3)研究了卷积神经网络的原理和结构,分析了SiamFC网络模型,实现了SiamFC网络下的运动目标追踪;针对背景干扰的情况,通过对比神经网络的特征提取特点,提出了一种基于特征融合的目标追踪算法,通过FPN网络融合第四层和第五层特征对算法进行改进,在数据集OTB100上进行测试,在背景干扰的情况下的AUC有一定的提高。(4)基于深度学习训练模型,设计开发视频监控中的运动目标检测和追踪系统,该系统能够有效的对视频中的运动目标进行检测和追踪。