视频监控技术作为安全防范系统的重要组成部分,越来越受到人们的重视。准确的运动目标检测和跟踪是人们对可疑行为分析和判断的基础,在智能化视频监控中起到非常关键的作用。目标跟踪算法中较难处理的问题就是目标的准确定位、遮挡问题以及多目标的实时跟踪,本文针对这些问题设计了相对应的目标跟踪算法,对这些算法性能进行评估,并研究了这些算法在小区监控中的应用。(1)针对颜色直方图在多目标跟踪中处理目标遮挡问题的不足,设计一种改进的自适应外观模型来描述运动目标,该模型包括颜色模型和对应概率模型,由于不仅包含有目标的颜色信息还包含有目标的空间信息,可以用来解决跟踪过程中目标的定位、对应关系及相互遮挡等问题；(2)针对用于多目标跟踪的粒子滤波器算法,需要大量粒子才能正确估计系统的状态,但这导致计算量大、实时性差。为此,在贝叶斯理论框架下设计了一种基于自适应外观模型的多目标跟踪算法,在目标检测后获得运动团块,通过团块数据匹配对运动目标进行关联,并对目标遮挡情况进行检测,在遮挡情况下对每个遮挡的目标建立一个粒子滤波器进行跟踪。该算法在酷睿双核主频为1.73G笔记本电脑上用PETS2001视频序列进行测试,处理速度20-25帧每秒,跟踪效果好；(3)给出了跟踪算法的性能评价框架,并设计了一个评价指标集来对跟踪算法进行评价,最后通过实验对自行设计的多目标跟踪算法进行了算法性能评价和对比。该方法可以解决人工测试费时费力,评价结果受到人的主观感受和情绪因素等的影响,使得评估的结果可重复性差等问题；(4)针对住宅小区的智能监控现实场景,将多目标跟踪算法和实际视频监控系统结合起来,自主开发出一套智能视频监控系统原型,并以警戒区域的入侵检测和徘徊检测两个功能为例,研究系统功能的实现方式和适用场所,该系统服务器端在VS2010平台上开发,人机交互界面友好,方便用户设定警戒区域和查询报警日志等,为本文算法的研究提供了理论验证和工程应用平台。