智能视频监控是一个计算机领域的前沿课题，尤其是当今网络技术、多媒体技术和数字技术的快速发展，视频监控技术向着智能化、数字化和网络化的方向不断的发展。视频监控技术包含很多先进的技术，例如：计算机视觉技术、人工智能、模式识别和图像处理等。智能视频监控的目的是用机器（摄像机和计算机）代替人来监控和跟踪需要观察的场景中的运动目标，在没有人员操作或者人员直接参与下、利用计算机、模式识别和数字图象处理技术对摄像机等设备拍摄的视频进行自动处理。可以检测、定位和跟踪采集的视频中的运动目标，然后分析和判断检测到的目标的行为，从而实现像人一样自主的、智能的监控。智能监控系统相对于传统的监控系统有更大的优点：首先是能够自动识别、跟踪和分析检测出的运动目标：第二可以减少监控人员的工作量，提高监控效率：第三是减少误报和错报的几率。智能视频监控在国民经济、社会生活和国防等各方面的领域有广泛的运用，如交通管理、企业监控、军事视觉制导、机器人视觉导航、安全监控、工业产品检测、医学图像分析、虚拟现实等。智能视频监控的主要研究内容为运动目标检测、运动目标分类、运动目标跟踪以及监控场景中运动目标行为的理解和描述。运动目标的检测和运动目标的跟踪是视频监控中的关键技术，是后续工作的基础。运动目标检测与跟踪算法有很现实的意义和应用价值。本文是在智能视频监控的基础上，对运动目标的检测和运动目标的跟踪二个关键技术进行研究。首先是介绍了视频监控的发展史和国内外的现状。其次是对图像处理的基本知识的介绍，包括图像颜色模型、图像滤波和图像数学形态学。然后介绍运动目标检测的常见几种算法（背景差分法、帧差法、光流法）和目标跟踪方法的分类，介绍了Kalman算法、MeanShift算法和Cam Shift算法。在总结和比较以上算法的优缺点，本文提出一种基于帧差法和Can Shift算法相结合的运动目标检测和跟踪算法。运动目标检测方向，在对研究三帧差分法优缺点的基础上，提出了一种背景差分法和三帧差分法相结合的方法用于本文的运动目标检测算法，提高了运动目标检测的准确率。运动目标跟踪方向，针对CamShift算法（对图像颜色敏感）的缺点，本文提出一种卡尔曼滤波和CamShift相结合的运动目标跟踪算法。本文提出的运动目标检测和跟踪的算法，通过MFC开发平台和OpenCV函数库设计的程序来验证。实验表明，此算法能很好的实现对视频中运动目标的检测和跟踪，实现简单的智能判断。