当今社会,计算机科学、多媒体通信、网络传输以及图像处理技术飞速发展,伴随多种高新技术衍生的视频监控技术也取得了长足的进步。视频监控是安防系统的重要组成部分,凡是能涉及到安全问题的场所几乎无处不在。智能视频监控系统主要是指在无需人为干预的情况下,自动实现对监控场景中的对象进行检测、分割、跟踪、分类及更高层次上的行为分析,以便达到“实时监控,及时反应”的目的。本课题主要对视频中运动目标的检测和跟踪技术展开研究。针对如何进一步提高监控视频中运动对象的检测问题,本文采用一种基于支持向量机的运动对象分割的方法。为进一步提高支持向量机分割的准确度,我们根据支持向量机核函数的有关性质进行了核函数的重构,并与常用的核函数进行了对比实验,结果显示当核函数为径向基函数与高斯核函数叠加时分割的精确度更高,并且在核函数为径向基核函数与高斯核函数叠加的基础上,我们将该算法与帧差法和背景减除法进行比较,实验表明该算法对视频中运动对象的进入、渐缓和离开都具有较好的有效性和鲁棒性,不受场景中的光照变化和运动对象运动快慢变化的影响,检测到的运动对象没有明显的不连通性,分割效果较好,而且没有大多数算法中阈值选择的困难。关于视频中运动对象的跟踪问题,本文利用Camshift算法与Kalman滤波器相结合的算法。当目标是快速运动的对象时,Camshift算法非常容易跟踪不到目标在图像帧中的准确位置,最终导致跟踪失败；而Kalman滤波器可以从目标的任意帧图像中提取信息并开始跟踪,它也可以利用目标运动的先前信息来预测当前帧中目标可能出现的位置。仿真实验也证明将Kalman滤波器融入到Camshift算法中进行目标跟踪确实能迅速、顺利地搜索到目标在当前帧中的具体位置,即通过将Camshift算法与Kalman滤波器相结合可以将已知信息的应用最大化,而且能够达到更好的跟踪效果。