智能视频监控在人类社会生活的各个方面扮演着越来越重要的角色,尤其在楼宇安防、交通管理、救灾探险等方面的应用更是意义重大。智能视频监控是利用视频分析方法对图像序列进行自动分析,实现对动态场景中的目标检测和跟踪,以及完成后续的目标识别、行为分析、报警等。物体运动产生的动态图像为人们提供了更加丰富和有价值的信息,因此运动目标是智能视频监控领域中的重要研究内容。研究运动目标检测与跟踪技术的关键问题在于准确的检测和前景重建、稳定有效地跟踪。本文的研究工作主要分为以下几个内容。在目标检测方面,本文比较分析并验证了常用的几种运动目标检测方法,并对检测出的前景目标选取了合适的形态学操作进行去噪;在目标跟踪方面,本文对基于Mean shift算法、卡尔曼滤波算法以及最近邻关联算法的目标跟踪过程进行了详细的推导与论述,利用不同的视频实现了不同的跟踪算法,并通过卡尔曼滤波实现了多运动目标的匹配跟踪。此外,针对运动目标检测与跟踪的关键技术问题,本文提出了颜色空间转换与卡尔曼滤波耦合的算法,系统地实现了对运动目标前景分割、细节完善、预测与跟踪、阴影检测与去除的整个处理过程。耦合算法的实现过程是：在RGB空间采用自适应背景差对视频图像进行前景背景分离,并利用卡尔曼滤波预测目标运动时候的位置变动,对检测出的前景目标锁定在最小外接矩形框中进行跟踪,对于误检的虚假目标(即阴影),利用其与真实目标的亮度信息差异,通过阈值分割在HSV空间去除。经过几段视频处理验证,证明了本文的方法运算简单,易于实现,且在不同视频环境复杂度、不同缘故的误检、不同误检数日、不同目标数目的情况下,都能实时地检测与跟踪目标,并能准确地抑制前景中的阴影与误检。最终,本文在实现了已有算法的基础上,通过大量实验验证了本文算法的可行性。实验结果表明,本文算法效果良好,有一定的实用性。