智能视频监控作为图像处理和计算机视觉领域的一个重要课题，在国民经济和国防建设中发挥着重要作用，有极其重要的科学意义和广阔的应用前景。本文针对实际监控系统的复杂性，着重研究了复杂场景中非刚体目标的检测和跟踪方法。　　 在运动目标检测方面，通过对目前背景减算法的研究和分析，针对现有算法的不足，提出了一种改进的基于∑-△的背景减方法，该算法通过对均值和方差的调制解调训练，能够建立准确的背景模型。实验结果表明该方法能有效排除场景中树叶的摆动、光照变化、雨雪等的干扰，快速鲁棒地检测到运动的目标。　　 在运动目标识别方面，总结了阴影的特点，对基于HSV颜色信息的阴影去除方法进行了改进，提出了将颜色信息和纹理信息相结合的阴影检测方法，能够较准确地去除区域内的阴影点。在此基础上，使用了一种改进的快速连通域标记算法，即使在场景中目标面积较大时也能够快速地定位运动目标。　　 在运动目标跟踪方面，在对均值偏移和粒子滤波算法研究的基础上，利用信息融合的思想，提出了一种融合结构信息的均值偏移粒子滤波算法。该方法通过均值偏移预测各粒子最可能出现的位置，目标的最终位置由各粒子位置的加权确定。实验结果表明该算法能有效解决跟踪过程中的尺度变换和遮挡问题。