智能视频监控是计算机领域的一个新的应用方向和关注点,通过利用图像处理和机器视觉的相关方法,并分析监控视频,来实现对目标的定位、识别和跟踪,进一步实现对目标行为分析的目的,而目标跟踪技术作为智能视频监控的核心必将得到更广泛的应用。关于目标跟踪技术,关键问题是能够确保在当前帧中跟住目标,并在下一帧中不丢失目标。基于检测的目标跟踪算法相比单纯的目标跟踪算法表现出了更好的特性,因此本文将展开对目标检测和目标跟踪两个方面的研究,寻找更好的方法对目标进行描述,能够检测到目标并实时的跟住目标。对于目标检测系统,在其训练阶段,首先采用多尺度滑动窗口法对图像进行扫描和搜索,对每个滑动窗口分别计算方向梯度直方图(Histogram of Oriented Gradient,HOG)特征与语义局部二值模式(Semantic Local binary Pattern,SLBP)特征,然后利用主成分分析(Principal Component Analysis,PCA)将HOG特征降到特定的维数,并将两者结合构成联合特征,接着利用线性支持向量机(Support Vector Machine,SVM)训练分类器,最后采用上下文信息对检测到的目标框做优化处理。实验证明改进后的方法具有准确率高、受外界因素影响小、计算量小等优点。对于目标跟踪系统,本文采用的是经典的基于检测的跟踪-学习-检测(Tracking-Learning-Detection,TLD)跟踪框架。TLD算法在目标受到部分遮挡、变形、均匀光照等情况下能较好的完成跟踪任务,但是在光照变化不均、遮挡严重、跟踪目标模糊等情况下会出现误跟踪或跟踪失败等问题。针对存在的不足,本文将在检测模块中增加判别器,当跟踪目标具有较好的纹理特征时,采用SLBP分类器取代检测模块中的最近邻分类器,该分类器将图像转换为SLBP纹理特征向量,利用此向量对样本进行分类。实验表明,TLD-SLBP算法较其他的算法获得了更高的成功率,并通过在多个视频序列中测试体现出了较好的跟踪能力。