目前我国大多数的煤矿视频监控系统还主要停留在人工监控阶段，智能化煤矿视频监控系统是发展的必然趋势。它可以自动采集获得视频监控图像序列，进行实时运动目标检测、识别和跟踪，通过理解分析图像画面主动发现违规行为、可疑目标和潜在危险，以快速合理的方式发出警报，指导启动相应的联动控制措施。煤矿智能视频监控系统的实现，需要综合运用图像处理、机器学习和计算机视觉等领域中的多项技术，本文对其中的四类关键技术进行研究，具体工作包括：为了对伴有随机噪声的煤矿雾尘图像进行清晰化处理，提出一种基于DCPBF的去雾除尘和同步去噪算法。推导建立煤矿雾尘降质图像退化模型；设计基于暗原色先验知识的环境光、粗略透射率估计方法与步骤；采用联合双边滤波快速获得精细透射率图；依据图像退化模型构建正则化目标函数，求取转换图像并进行高斯双边滤波，获得去雾除尘图像且同步实现噪声的有效去除。针对相对静止的煤矿视频监控环境背景，采用背景减除法进行运动目标检测。提出基于聚类技术的自适应背景建模与更新方法，利用改进的FCM算法对像素灰度取值进行聚类，自适应选取不同个数的聚类构建各像素背景模型，随场景变化进行聚类修改、添加和删除完成背景更新。联合背景差分信息、三帧差分信息和空间邻域信息进行前景检测，通过改进的OTSU方法自动设置差分阈值。提出结合像素亮度和纹理特征的运动阴影检测方法，依据在阴影覆盖前后的灰度图像中，像素具有亮度值相关性和纹理特征值不变性，实现运动阴影的检测与去除。将单目标跟踪看作为目标和背景的在线分类问题，选用线性SVM作为分类工具，提出一种添加样本约简机制的FLSVMIL方法实现分类器在线更新，并提出基于FLSVMIL的单目标跟踪算法。由于可能受到无效历史信息的干扰，并且难以处理样本集非线性可分的问题，提出基于LSVMSE的单目标跟踪算法，采用集成分类器进行运动目标跟踪。根据煤矿智能视频监控系统中多目标跟踪的任务需求，提出基于UKF-MHT的多目标跟踪算法。设计算法的基本框架，确定关键步骤的处理方法，其中包括跟踪门设置、目标预测值与观测值的数据匹配、航迹评价与删除、航迹聚类和m-best假设的产生以及目标状态的预测更新。在自适应跟踪修正阶段，针对由目标短暂丢失、粘连和分裂可能引起的三类跟踪错误，设计具体的判别策略和修正方法。