随着安全隐患的日益增加,越来越多的高级视频监控系统被投入到各个应用领域中。为了防止潜在危险的突然发生,视频监控系统需要对人体的行为进行分析。对人体行为进行分析,首先需要建立一个能对运动人体进行检测和跟踪的监控系统。近些年来,人体检测和跟踪系统的发展已经日趋成熟,许多的实时监控系统也得到了很大的发展。但由于实际监控结果会受到许多因素的影响,因而对人体行为的自动监控仍有许多关键技术急需解决。本文对摄像机静止情况下的视频序列中运动人体的检测和跟踪算法进行了研究。本文以图像处理、图像分析理论为基础,对人体检测和跟踪领域的一些相关算法进行了研究和改进。在运动人体检测部分,分析了运动目标检测领域比较常用的检测方法,针对差图像法和帧间差分法检测精度不高的缺点,提出了一种利用向量线性相关性质检测运动人体的有效方法。该方法根据同性象素线性相关、异性象素线性无关的性质,计算参考帧和待测帧对应向量矩阵的WRONSKIAN行列式。当计算结果大于设定阈值时,即判断所在向量中心为运动目标点;反之为背景点。与差图像法和帧间差分法相比,该方法算法简单,检测结果精度高。利用改进的基于亮度和色度的阴影检测法去除了由于光照影响而出现的阴影,并利用形态学算子消除图像中的杂散噪声。在运动人体跟踪部分,利用基于码书的目标分类法将运动人体与场景中可能存在的其他运动目标区别出来,采用分类-竞争矢量量化的方法建立码书,初始化目标大小,然后提取目标的边缘特征,将边缘特征向量与码书的编码向量进行匹配,匹配的方法是从码书中找出一个与边缘特征向量差值最小的编码向量,如果差值小于某个阈值,则该物体即为运动的人体。利用干扰点检测算法对监控场景中可能突然出现的某些干扰点检测出来,比如树枝的晃动,物体的突然侵入或者坠落等。当运动场景中存在人群融合和分裂时,提出了一种“分块灰度统计”的方法有效的进行目标融合分裂前后的跟踪。通过采集不同环境下的视频图像对本文的算法进行验证,实验结果表明本文算法较好的实现了对运动人体的检测和跟踪。