智能视频监控系统作为近年来计算机视觉领域的研究热点,它的主要职能是利用计算机视觉技术和模式识别技术实现所监控场景的自主图像处理、分析和理解,其核心技术包括目标检测、目标跟踪、目标识别和行为理解。智能视频监控系统可以用于社会安全管理、智能交通管理、智慧城市建设等诸多方面,发挥出了巨大的社会效益和经济效益。作为智能视频监控系统的核心技术之一,目标跟踪担负着承前启后的关键任务。目标跟踪是在监控场景中完成目标检测的基础上,对目标进行准确有效地跟踪,为事件检测和行为识别提供支持。论文针对智能视频监控系统中的目标跟踪问题进行了深入研究,展开了以下内容的工作:（1）针对颜色直方图容易受相似颜色分布背景或目标干扰而导致跟踪失败的问题,提出了基于空间直方图的粒子滤波目标跟踪算法。该方法提取空间颜色直方图描述目标,采用目标-背景相似性加权JSD相似性度量方法,增强了目标表观模型的分辨能力,提高了目标跟踪算法的鲁棒性。（2）针对视频监控场景中的目标遮挡问题,提出了基于贝叶斯决策和粒子滤波遮挡目标跟踪算法。该方法采用空间不确定性衡量粒子滤波跟踪的稳定性,利用贝叶斯决策理论判别目标遮挡情况并采取自适应模型更新策略。在粒子滤波跟踪框架下,该方法有着较强的遮挡处理能力。（3）针对智能视频监控系统中目标跟踪实时性和鲁棒性的要求,提出了一种多特征加权时空上下文目标跟踪算法。一方面,时空上下文跟踪框架保障了算法的计算效率;另一方面,多特征模型和权重系数矩阵提升了表观模型在复杂场景中的鉴别能力。最后,采用信息散度最小化方法对不同特征的置信图进行融合,保证每种特征的有效信息得到充分利用。实验结果表明,所提方法具有较好的实时性和鲁棒性。（4）针对视频监控场景中跟踪目标光照变化、尺度变化和遮挡等问题,提出了一种基于通道可靠性的多尺度背景感知相关滤波跟踪算法。首先,提取方向梯度直方图特征、灰度特征和颜色属性特征,增强了目标模型的判别力;其次,为避免通道之间的相互干扰,各通道相关滤波器采取独立训练机制;然后,建立通道可靠性系数衡量各通道特征的置信度,并根据此合成多通道背景感知相关滤波跟踪器的最终响应图;最后,运用尺度池方法对目标尺度进行估计。实验结果表明:所提算法可以有效处理光照变化、尺度变化和遮挡等复杂因素的干扰,并具有较高的精确度和鲁棒性。本文针对智能视频监控系统中的目标跟踪问题,提出了应对不同场景变化的目标跟踪算法,为实现智能视频监控系统中精确、鲁棒和快速的目标跟踪打下了坚实的基础。