智能化的视频监控系统是近年来计算机视觉领域的一个备受关注的前沿课题,在工业、医学、导航等领域得到了广泛的应用。运动目标的检测与跟踪是视频监控中视频监控技术实现自动化和实时应用的关键,也是视频场景分析、行为理解等诸多后续处理的基础。目前由于实际环境中目标运动的复杂性,以及视频数据所具有的特殊性,使得运动目标检测和跟踪存在着各种各样的困难,本文重点研究了复杂背景下运动目标检测与跟踪算法及其在智能视觉监控系统中的实现,以及运动目标相互遮挡等异常情况下多运动目标的跟踪。首先,本文针对单目视觉监控系统中摄像机支架固定,摄像头可以左右旋转的场景,提出一种将双向差分相乘算法与基于仿射运动模型匹配差分算法相结合的方法,在摄像头静止的时候采用双向差分相乘算法,在摄像头左右旋转的时候则采用基于仿射运动模型的匹配差分算法。其次,针对实验室智能视觉监控平台,给出一种利用目标边缘轮廓信息对单运动目标进行跟踪的方法,结合复杂背景下目标的检测算法,在监控平台上进行了验证。实验结果表明,复杂背景下运动目标检测方法消除了背景的相对运动,实现了复杂背景下运动目标的准确检测。运动目标跟踪算法避免了由于目标与背景颜色接近或目标颜色发生较大的变化时出现定位不准确和目标丢失的情况,能实现单运动目标的准确跟踪。最后,针对固定监控场景中目标运动可近似为线性模型的情况,本文给出一种基于卡尔曼预测和特征匹配相结合的多运动目标跟踪方法。本方法利用卡尔曼滤波器预测当前帧运动目标在下一帧中的位置,然后由质心面积匹配方程计算相邻帧目标间的相似度,建立匹配矩阵,找出最佳匹配结果。仿真结果表明,该算法在理想的运动状态下,能达到准确的跟踪。但是如果目标运动发生异常,如目标之间相互遮挡、目标在视频中消失或新的目标出现等,该算法不能准确稳定的进行跟踪。本文在该算法的基础上引入匹配矩阵算法来解决异常情况下目标跟踪问题。实验结果表明,该算法能基本实现异常情况下多运动目标匹配及跟踪。