近几十年随着人口的急剧增长,加上经济的快速增长使得都市化现象日益严重,在给人民生活带来便利的同时也带来了安全隐患。随着社会安全事件接连不断地发生,人们对安全的需求越来越大。随着图像处理技术的飞速发展,智能视频监控技术作为一种安防的有效手段,正越来越受到人们的重视。基于图像的目标跟踪、人群密度估计等技术是智能视频监控系统的基础问题,是更高层次的行为分析技术与行为识别技术的基础。本文针对基于图像的目标跟踪技术、人群密度估计技术进行了比较深入的研究,对前人的工作做了系统性总结,并针对一些不足做了相应改进。所做具体工作如下:1)分析了粒子滤波跟踪算法在目标后验概率分布呈多模态时重要性重采样的无力以及过分依赖单一运动模型这两个不足,分别提出了自适应重采样算法和变结构多运动模型算法来改进粒子滤波算法,提高粒子滤波算法的准确性与稳定性。2)针对日常应用背景的多目标跟踪问题,引入了经典的JPDA算法,指出了其量测缺乏图像信息的不足,提出了基于量测扩展思想的改进JPDA多目标算法,它是一种通用方法,可根据不同场景选择合适图像信息进行扩展。本文选取了颜色信息扩展到量测中,使其在计算关联概率矩阵时充分考虑了颜色信息,提高了关联概率的准确度,有效实现了多目标跟踪。3)在人群密度估计方面,分析了像素统计特征与纹理特征两大经典算法各自的优缺点,并阐述了两大算法在各种密度场景下的互补性,提出了融合像素统计特征与纹理特征进行人群密度估计的算法。4)针对每个议题,都收集了相关领域的权威测试视频库,并进行了详尽的仿真实验与实验结果分析。