随着人们生活水平的提高,安全意识的不断提升,视频监控作为有效的安保手段,正越来越多的被安装到各个场所。而与日俱增的高清摄像头数量使得流媒体服务器不堪重负,为了解决飞速增长的高清摄像头数量和单服务器服务能力有限之间的矛盾,本文讨论了基于分布式集群的多摄像头的目标检测和跟踪的并行算法。首先,学习和分析已有的检测和跟踪算法,并对混合高斯背景模型检测效率进行测试,发现其处理高清视频时很难达到实时性要求。其次,对混合高斯算法进行改进和解耦,提出分块检测思想,对每帧图像进行拆分,交由不同单元处理。对于集群中不同单元处理能力的不同,提出多个像素合成小块,利用小块均值进行建模的思想。对于停滞目标会被训练成背景的问题,提出累计差异量Q,判断目标是否停滞。再者,对Kalman滤波进行改进,增加新近量测数据在滤波中的作用,增添了消渐因子γ(γ>1)。利用Kalman预测对目标进行初步分类,交由不同处理单元进行直方图匹配。对于多摄像头匹配问题,提出了路径模型,提高匹配效率。最后,对改进和解耦的算法,编写Storm集群运行的Topology程序,验证检测和跟踪效果,并对算法的实时性进行分析,发现本文的基于Storm分布式集群的检测和跟踪的并行算法完全能够达到实时监控的要求。