智能视频监控技术是近年来计算机视觉领域一个热门的研究方向，它将计算机视觉与网络化的视频监控结合起来，实现视频中运动目标的检测、识别、跟踪和行为分析等功能。其中，多行人跟踪是智能视频监控技术的难点，因为行人是非刚体，在移动时比车辆更具灵活性，其轮廓特征在不断变化，不易提取，给跟踪的准确性以及算法的计算复杂度带来了诸多问题。本文针对固定摄像头下的行人多目标检测与跟踪问题进行了研究。在运动目标检测方面，对当前主要的目标检测算法特别是背景减除法中的背景建模方法进行了研究分析和实验，并在背景减除法的基础上提出了一种结合边缘检测和区域合并的运动目标检测算法，与传统背景差分法相比，该算法能够提取更准确、完整的目标区域，对弱光下的阴影有一定的鲁棒性。在目标跟踪方面，将目标行为分为目标匹配、新目标出现、旧目标消失、目标遮挡四种情况，针对行人的非刚性特点，引入中心距、加权的颜色直方图、面积重合度等特征，建立动态的关联矩阵实现帧与帧之间的目标关联。当发生遮挡时，用卡尔曼滤波器预测值来表示发生遮挡的目标在当前帧中的位置，该方法在行人运动匀速稳定的情况下获得了准确的跟踪结果。但是如果目标遮挡时间较长，使用卡尔曼滤波预测目标位置，可能会引起积累误差，出现跟踪错误。对此，本文提出一种解决方法，引入遮挡因子，将目标间遮挡分为严重遮挡和部分遮挡两种情况，严重遮挡时仍然用卡尔曼滤波器预测目标位置，部分遮挡时对发生遮挡的两个目标分别采用Mean Shift算法进行跟踪，实验证明该算法在两个目标相互遮挡时可以获得更准确的跟踪结果。本文算法基于VC++开发平台和OpenCV视觉库，并添加计数功能，获得了准确的结果和更快的运行速度。