视频处理中的目标分割和跟踪是计算机视觉的一个重要分支.根据目标检测和跟踪的处理过程可以将算法分为背景初始化和背景更新,目标分割,目标跟踪,多目标的分类.前面的处理是后面处理的基础和先决条件.背景初始化和背景更新是视频处理的最基础的问题,是目标分割的基础,背景初始化的好坏对目标分割的精度有直接的影响.当前有许多背景初始化的方法,这些方法在不同的应用领域有着自身的优点和缺点.背景初始化要解决的问题是在有运动物体的场景中如何得到自适应的背景,并且尽可能地解决混合的现象.我们采用了一种自适应的方法分别处理了一般的背景,运动不明显物体的背景,以及振荡的背景等情况.目标跟踪可以在目标检测的基础上完成,也可以交互的方式选出感兴趣的区域.我们把基于均值漂移的跟踪方法应用到系统中,并且对他们的方法做了一些改进.我们认为物体的特征由于重要性的不同应该赋予不同的权值.权值规则应该是:目标的这种特征和环境的这种特征的差别越大,那么这种特征的权值也越大.多目标的分类是更高一层的算法.我们应用了多类谱聚类的方法对目标进行分类.但是由于这种方法随着样本点的增多所花费的时间会显著增加以至于影响实时的处理.我们提出了一种行扫描的方法首先将前景区域分成若干的颜色块,然后用颜色块作为样本点,这大大提高了系统的运行速度.监控系统近几年有很大的发展.我们综合了以上算法开发了一个监控系统的演示程序,实现了目标检测跟踪和分类的基本功能.