在智能视频监控系统中,运动目标尤其是多个运动目标的检测跟踪技术是比较关键的技术,在军事和民用中都有着广泛的应用。这两项技术也是视频场景分析、行为理解等各种后续处理的基础。运动目标检测是把感兴趣的运动物体从背景中提取出来。当背景比较简单且影响较小时,我们可以快速提取目标;但是当背景发生细微抖动时,有效的检测就变得复杂很多。在第二章中提出了改进的三帧差分法,结合形态学滤波与连通域检测等多项技术,最终实现多个运动目标的检测。在计算机视觉跟踪领域,Mean-Shift算法是一个很好的算法。该算法实时性好,对目标的遮挡、旋转、变形等鲁棒性强,因此受到了众多研究者的关注,并已经成功地应用到许多视频跟踪系统中。但是Mean-Shift算法本身没有实现模版更新,传统算法仅仅依靠初始化选择特征,可能导致后期跟踪的失败。第三章提出了一种相似度判断与Kalman滤波预测相结合的方法对目标模板进行实时的更新,在保证算法实时性的同时,鲁棒性也更好。当跟踪目标发生完全遮挡时,通过结合Kalman滤波预测来实现目标的准确跟踪,并减少了算法的迭代次数。第四章介绍了另外一种非常重要的目标跟踪算法:粒子滤波。针对多目标跟踪中的难点,本文提出了基于HSV核直方图的粒子滤波跟踪算法,并采用了一种基于非均匀样本的重采样算法。粒子滤波算法的最大缺点就是实时性不强,新的算法在不增加算法复杂度的基础上,充分利用跟踪过程中粒子的状态值实现粒子的重采样,使粒子表示状态更加合理。实验结果证明,算法能够比较理想地实现对多目标跟踪中目标遮挡交叉问题的处理。在第五章,我们把目标跟踪技术运用到军事目标精确打击系统中。在利用航拍图像进行地面目标锁定跟踪的基础上,获得目标的准确位置,实现军事目标的精确打击。最后,对本文所做的工作做了总结和展望。