智能视频监控是近年来计算机视觉领域的研究重点和热点之一,在安全防护、智能交通、行为分析等领域有着广阔的应用前景。行人目标检测与跟踪是智能视频监控的关键技术,也是后续目标识别、行为分析等的研究基础。本文主要研究摄像机固定情况下,复杂场景中的行人单目标稳态跟踪问题和固定背景下行人多目标跟踪问题。目标检测是跟踪的基础,本文比较了三种常用的目标检测算法并分析各自的优缺点,结合具体的应用环境,采用混合高斯模型建立背景图像,利用背景差法检测前景目标,最后通过阴影去除、形态学滤波以及连通域分析等后续操作获取完整的前景目标。对于行人单目标跟踪问题,为实现目标的稳定跟踪,提高跟踪算法的鲁棒性,本文在粒子滤波算法的基础上,提出了一种多特征自适应融合的单目标跟踪算法。首先由人工选取跟踪目标,通过比较各种颜色和纹理特征区分目标和背景能力的大小,选取最优的两个特征来描述目标。分别以这两个特征为目标模型进行粒子滤波处理可以得到两个关于目标位置的估计结果。若两个估计结果相近,则说明选择的特征有效,跟踪正确；若两个估计结果存在较大差异,则说明其中一个或两个特征失效,跟踪结果出现大的偏离,此时需要根据上一帧估计结果的可靠性决定是否返回上一帧图像重新选取最优特征并再次进行粒子滤波估计。只有在两个估计结果相近时才更新目标模型,从而确保目标模型不发生大的偏移。对于多目标跟踪问题,本文根据场景中目标个数较多,目标状态复杂多变等情况,在考虑算法实时性的基础上,采用基于区域检测的多目标跟踪算法。首先通过基于混合高斯背景建模的背景差法获取前景目标,根据当前帧检测的前景目标与跟踪目标区域间的重合情况,可以构建两者之间的关联矩阵,根据矩阵行和列之间的关系可以将目标状态归为以下五类：目标出现、正常状态、目标融合、目标分裂和目标消失。对于不同的目标状态,采用不同的处理方法。在这五种目标状态中,由于造成目标分裂的原因较为复杂,本文详细分析了可能引起目标分裂的四种原因,并提出了相应的处理方法,特别是对于多目标融合后分裂的情况,提出了基于颜色匹配的跟踪算法。实验结果显示本文提出的单目标跟踪算法在背景剧烈变化和相似物体干扰的情况下可以较好的实现目标跟踪,多目标跟踪算法则可以有效的处理多目标的融合以及分裂等特殊情况。