视频监控对于智能城市管理、打击违法犯罪以及建设平安城市与智慧城市具有重要作用。随着数字采集和存储技术的快速发展,视频监控系统得到迅速普及,目前已成为社会公共安全监控系统的核心组成。如今快速增加的摄像头覆盖了城市的每一个角落,带来了海量的视频数据。面对海量数据,传统的视频监控系统效率低下,对人力的消耗巨大,智能化成为视频监控必然的发展方向。如何自动发现和跟踪感兴趣的目标是智能视频监控中的基础性问题,是工业界和学术界关注的热点之一。但是,由于监控环境的复杂性,这些问题至今并没有得到很好的解决,仍具有巨大的研究价值。本文从智能视频监控的实际需求出发,围绕运动目标发现与跟踪展开深入研究,针对复杂环境提出了鲁棒的高效算法,弥补现有算法的不足。本文主要研究内容和创新成果如下：1.提出了一种SCBP特征和基于此特征的背景建模算法。该算法有两个突出优势：一方面,SCBP特征融合了颜色与纹理信息,对前景和背景的区分能力强,大幅提高了背景模型的灵敏性；另一方面,提出了一种有效的轮廓优化方法,克服了基于区域直方图的方法对目标轮廓检测不准确的缺点。实验结果表明,提出的背景建模算法对动态背景比较鲁棒,能同时获得较优的检测率与较低的误检率。2.提出了一种基于时空连续性约束的前景检测算法。视频数据在时间和空间上都具有高度的相关性,具体到前景检测问题,这意味着邻近的像素点倾向于具有相同的类别标签。传统的建模方法对时间和空间上的双重连续性缺乏考虑或考虑不够全面。提出的前景检测算法在马尔科夫随机场框架下,对像素点之间的时空连续性和特征与模型的相似性进行同步考虑,求得全局最优解。在不同背景模型下的实验结果均表明,该算法能显著提高前景检测的准确性。3.提出了一种基于部件的非特定目标跟踪算法。基于提出的矩阵模型,该算法成功的解决了传统基于部件的跟踪算法对目标的物理结构等先验信息的依赖问题。矩阵模型不理会目标的物理结构,直接将目标划分为若干图像块。每个图像块对应于目标的一个部件,用检测器和权重来描述。为了适应目标外观的动态变化,这两个属性都自动在线更新。通过矩阵模型和权重策略,所提方法有效地减轻了跟踪器的漂移问题。实验结果表明,提出的基于部件的跟踪算法能实时跟踪,且对光照、姿态、遮挡、运动等多种干扰具有良好的鲁棒性,跟踪性能优于其它算法。4.搭建了一个面向目标的监控视频检索的原型系统。基于上述的研究成果,我们搭建了一个监控视频检索的原型系统,为用户提供一种快捷方便的视频查询和回放服务。该系统以视频中的运动目标为检索对象,根据用户输入的查询图像,系统返回包含相似目标的视频段。