随着视频监控系统规模的不断扩大,单纯地使用人力实现所有监控点的在线监视对于很多监控系统来说已经不可能实现。因此具有全自动或者半自动监视功能的智能视频监控系统是视频监控系统未来发展的趋势。论文围绕着智能监控系统中的运动目标检测、跟踪,及其在实际监控系统中的应用而展开。论文分析了当前几种典型的运动目标检测算法,针对当前监控系统的需要,对现有算法进行适当地改进和调整。将帧差法与单高斯模型相结合,综合帧差法适应能力强和单高斯模型检测目标区域准确的优点。实现对运动目标的快速检测。论文对典型的运动目标跟踪算法进行分析与比较,重点研究了基于MeanShift和CamShift算法的运动目标跟踪。并针对CamShift算法的缺点进行了一系列的改进。首先改进了CamShift反向投影图的计算方法,通过结合场景信息来计算反向投影图,使得目标与背景差异较大的部分获得较大的权重,使得反向投影中目标与背景的权重差异扩大,密度极值区域与目标区域重叠性更好。同时调整了CamShift搜索匹配区域的搜索算法,通过在整个区域进行完全搜索来进行匹配,避免了迭代运算带来运算时间不稳定的问题,通过对搜索算法的优化,获得了比采用MeanShift迭代搜索算法更快的运算速度;同时也避免了MeanShift算法陷入局部极值导致跟踪丢失的风险。并给出了对视频监控序列进行跟踪的例子。论文最后将本文提出的运动目标检测、跟踪算法应用于实际监控系统,基于摄像机控制对目标进行跟踪,并给出了对人脸跟踪的结果、数据以及分析。