基于视频的运动目标检测与跟踪融合了图像处理、模式识别、人工智能、自动控制以及计算机科学等许多领域的先进技术,已经成为计算机视觉研究的重要领域。目前,运动目标的检测跟踪效果并不是很理想,需要进一步改善。就此现状,本文主要做了如下研究工作:对比了当前各种检测方法,在分析它们的优缺点的基础上,提出最适用于智能监控系统的检测方法是背景建模法。　　 背景初始化和背景更新是基于背景差分法的目标检测的基础问题,背景初始化的好坏对目标检测的精度有直接的影响。当前有许多背景初始化的方法,这些方法在不同的应用领域有着自身的优点和缺点。背景初始化要解决的问题是在有运动物体的场景中如何得到自适应的背景,并且尽可能的解决混合的现象。使用了一种自适应背景提取方法,并对背景进行了实时更新,以适应光线变化或场景本身的变化,针对运动目标在差分图像中产生空洞的特点,采用形态滤波对分割结果进行后处理,消除噪声和背景扰动带来的影响。　　 在运动目标跟踪研究方面,为了有效的解决运动目标的检测率,使用了一种基于卡尔曼滤波器的运动目标跟踪算法。该算法首先利用高速混合模型的背景差分法,得到的运动目标图像,然后通过建立帧间关系矩阵将跟踪情况分为五种状态分别进行处理,这五种状态时新目标出现、目标匹配、目标遮挡、目标分离和目标消失。采用卡尔曼滤波器预测目标参数,建立目标在下一帧的预测信息。　　 实验结果表明:该方法能快速、准确地检测和分离出运动目标,并能有效地对目标进行自动跟踪。综合了以上算法开发了一个系统的演示程序,实现了目标检测跟踪的基本功能。