智能视频监控系统利用计算机视觉等相关技术对视频内容进行分析处理,从而实现智能化的控制和管理。智能监控的基础是运动目标检测与跟踪技术,它们是智能视频监控系统的一个重要环节,是后续一系列分析的前提条件,其性能的好坏直接影响整个系统的表现。因此,对运动目标检测和跟踪进行研究具有重要的意思和应用价值。本文致力于复杂背景下的运动目标检测和跟踪方法的研究,研究内容主要包括以下两个方面。1、针对复杂背景环境下,鲁棒性表现突出的Vibe算法进行研究。当视频序列的第一帧中包含运动目标时,鬼影将伴随着Vibe模型的初始化而产生。由于Vibe算法并未对鬼影做任何特殊处理,鬼影的抑制完全依赖于背景像素点的穿插更新策略,导致抑制过程缓慢。为了达到快速抑制鬼影的目的,提出两种改进算法:其一,根据相邻像素点的空间一致性原则,对前景像素点增加邻域模型判断。当与邻域的匹配达到阈值时,认定该像素点为鬼影像素点,从前景中消去此前景点,并重新初始化该像素点的背景模型;其二,引入缓冲模型和第二背景模型替换Vibe算法的穿插更新策略。同时,为了避免基于单像素点判别造成的误判,对处理后的分割掩码图片进行区域检测。实验结果表明,相比于原Vibe算法,改进后的算法不仅能够有效的处理噪点和鬼影,同时能够有效处理短暂停留的前景目标。实际应用中,运动检测算法主要用于提取满足条件的运动目标。我们将改进的Vibe算法用于卡口车辆检测,发现我们提出的改进算法能够有效的检测出经过虚拟检测带的车辆。2、在现阶段的智能视频监控系统中,跟踪算法主要用于入侵检测后的目标跟踪阶段。经过对运动检测算法和跟踪算法的研究,由于Vibe算法和实时压缩感知跟踪算法在各自领域拥有良好的实时性和鲁棒性,所以我们设计了一种基于改进Vibe算法和实时压缩感知跟踪算法的区域入侵目标检测与跟踪系统。该系统能够有效的检测出入侵防区的运动目标,并对目标进行有效的跟踪。