随着科技水平的不断发展，智能监控技术的不断提升，其应用范围及需求量日益扩大。相较于传统监控系统，新一代智能监控系统的功能日趋完备，可以实现全天候、无间断、低误报的实时监控。其中，目标检测、跟踪、提取技术成为国内外学者广泛关注研究的核心课题，其科研价值巨大，发展前景广阔。本文针对智能监控系统中的目标检测与跟踪这两大部分内容展开研究分析，对静止状态下的监控背景进行实验研究。通过对现有检测跟踪算法的对比分析，针对各算法的优势与不足进行算法改进。采取理论分析与实验仿真相结合的方式，论证改进算法的可行性，实现算法优化。目标检测部分采用改进的三帧差分、背景减除法结合混合高斯模型，实现对目标物体的检测。通过分析阴影的形成原理，比较不同颜色空间下的阴影检测效果，采用一种纹理特征与颜色空间技术相融合的阴影检测方法，通过实验仿真验证了改进算法对于阴影区域的去除效果，使运动目标检测更为细致准确。目标跟踪部分采用颜色空间与纹理特征结合的方式，实现Mean-Shift目标建模。通过Kalman滤波预测与相似度判定共同完成对目标模板的实时更新，优化了算法的实时性与鲁棒性。跟踪目标发生遮挡时，通过Kalman滤波预测实现对目标物体的有效跟踪，减少了运算的迭代次数，同时降低了背景与目标颜色相近时跟踪失败的发生几率，提高了目标跟踪的有效性与可靠性。