本文主要研究了网络视频监控系统中实时运动目标检测的方法，国内外运动目标检测的方法，分析了各方法的优点和缺点、实用场合，为运动跟踪打下基础。在现有运动监测方法的基础上，将背景图像差分法、帧间差分、光流法结合起来，提出了一种快速而准确的视频运动目标检测方法。 在运动目标跟踪方面，运动目标跟踪算法直接影响着运动目标的准确性和稳定性，现有的目标跟踪算法大多需要处理的数据量大，运算复杂。本文提出了基于扩展卡尔曼滤波器的运动跟踪模型，来实现对运动目标的跟踪。我们采用扩展卡尔曼滤波器做运动估计，缩小了特征搜索的范围，提高了算法的效率。 本论文最后完成了网络视频监控系统的总体设计，包括系统开发流程、软硬件结构设计、系统功能模块的划分等，为讨论运动检测和运动跟踪搭建好了实验平台。把第二章到第四章的相关原理放在在该平台上进行测试，最后对各个模块进行总结。 实验结果表明，本文所述方法对于光照、背景内容的变化不敏感，使用该方法能有效地检测出视频序列中的运动目标。此外本文提出的方法对背景的复杂性有很强的适应性和鲁棒性。该跟踪算法简单，速度快，适于硬件实现，需要较少的内存，符合了网络视频跟踪系统的开发要求。此外，论文在在运动跟踪中增加了自动调焦，人脸检测等几个模块。自动调焦使得跟踪中的图像保持清晰，人脸检测使得跟踪更加的智能化。这几个附加模块使得网络监控系统更加的友好，智能化、系统化。