智能监控系统是安防体系中的一个重要组成部分,是一种高效的、防范能力极强的综合安防手段,其在生活、军事、交通等多个领域起着重要作用。智能化是监控系统的发展趋势,主要表现为无需人为干预的情况下自动对视频进行分析处理,以达到目标检测、跟踪、行为预警和预防等目的。本文对智能监控系统中的运动目标检测与跟踪算法进行了深入研究,具体工作如下:运动目标检测方面,对常用的目标检测算法进行分析比较,并重点研究了混合高斯建模法。首先,针对传统混合高斯建模法在初始化阶段收敛速度慢的现象,提出了一种基于k-means聚类算法的初始化方案,此方案可以有效地提升混合高斯建模法在初始化阶段的实时性。然后,针对混合高斯建模法使用固定学习率更新模型,导致目标由长时间静止到缓慢运动的过程中出现“拖尾”和“空洞”现象。本文结合像素邻域信息与帧间差分法,提出了自适应学习率的混合高斯建模法。实验表明,改进后的算法能够有效地克服因使用固定学习率而导致的“拖尾”和“空洞”现象。最后,针对目标检测过程中的动态阴影问题,本文将多种阴影特征和混合高斯建模法相结合,提出了基于多特征融合与混合高斯的阴影抑制算法。实验表明,此算法能够有效地检测和抑制动态阴影。运动目标跟踪方面,对传统的Mean-shift跟踪算法进行了原理分析与实验仿真,并发现此算法在跟踪目标处于遮挡、高速或颜色干扰等一种或多种情况下会导致跟踪失效。因此,针对颜色干扰现象,在颜色特征基础上引入了空间特征和边缘梯度方向特征,提出了多特征加权融合的Mean-shift跟踪算法。针对遮挡和速度过快的情况,将多特征加权融合的Mean-shift跟踪算法与kalman滤波器跟踪算法相结合,提出了基于kalman滤波器与多特征加权融合的Mean-shift跟踪算法。并通过实验验证改进后的算法能够有效地解决因目标处于遮挡、高速和颜色干扰等情况下而导致的跟踪失效问题。智能监控系统的设计与实现方面,在VS2015开发环境下将改进后的目标检测与跟踪算法进行编程实现,并采用OpenCV视觉类库与MFC界面类库开发了一套具有运动目标检测、跟踪和异常行为检测功能的智能监控系统。