智能监控就是要用图像处理和计算机视觉的方法,通过对监控录像进行自动或实时分析来对动态场景中的目标进行定位,识别和跟踪,并在此基础上分析和判断目标的行为。因此对作为智能监控技术核心的运动目标检测和跟踪技术的研究显得尤为重要,虽然很多国内外学者对运动目标检测与跟踪技术已经作了大量的研究,但是以前的绝大部分研究只停留在对简单的背景相对静止的场景中的运动目标的监测与跟踪。近些年来,随着智能监控系统在实际中的广泛应用,复杂场景中的运动目标检测与跟踪技术越来越引起人们的注意,并得到了快速发展。本文主要研究了运动目标检测与跟踪的基本理论和关键技术。重点研究了复杂背景下运动目标的检测与提取,特别是动态场景中的运动目标的检测问题,实现了基于自适应背景模型的运动检测算法,并在此基础上提出了一种基于非参数核密度函数估计的背景建模算法,该算法在考虑了传统运动目标检测算法中像素灰度值的时域相关性的同时,还充分考虑了同一帧图像中个像素点灰度值的空间相关性,并且在不仅对背景建模而且对前景同样建模,另外利用非参数模型估计密度函数,克服了单高斯和混合高斯不能充分拟合密度函数的缺点,得到能充分反应实际背景且光滑的模型。从而很好的解决了在场景中有类似摄像机抖动,树枝摇曳,波纹等周期性运动以及雨雪天气等情况的运动目标检测的问题。实验结果表明,该算法检测效果好、运算快速、稳定。此外,本文还研究了运动目标跟踪的关键技术,重点研究了基于Kalman滤波的运动目标跟踪问题,给出一种基于Kalman滤波的运动目标跟踪算法,通过目标检测、目标运动估计和目标匹配与跟踪三个模块实现运动目标的跟踪。利用基于非参数密度估计的背景模型法检测得到运动目标,描述目标的形状特征(如运动目标的位置,目标外接矩形的大小等);利用Kalman滤波器预测被跟踪运动目标在下一帧中可能处于的位置,确定目标搜索范围;然后经过目标匹配模块寻找运动目标在图象序列各帧中的对应关系,确定目标的运动轨迹。