随着视频监控系统规模的不断扩大，单纯地使用人力实现对大量监控点的在线监视是不现实的，因此，具有自主分析能力的智能视频监控系统是视频监控系统未来发展的趋势。此外，国内外许多公共场所，企业等也开始推广无人值守的视频监控，对智能化监控的发展起到了推动作用。　　 论文分析了当前几种典型的运动目标检测算法，针对实际监控系统的要求，提出一种噪声估计与混合高斯模型算法相结合的自适应运动目标检测算法，将噪声估计结果作为混合高斯模型初始化参数和选取混合高斯模型的学习率的依据，提高了混合高斯模型建立背景模型速度，降低了误检率。实验结果表明，本文算法能快速有效地检测出运动目标，适应实时跟踪的需要。　　 论文对典型的运动目标跟踪算法进行分析与比较，重点研究了基于粒子滤波算法的运动目标跟踪技术，并针对粒子滤波算法的缺陷进行了改进。首先改进了粒子滤波重采样算法，在粒子上加入微小的高斯扰动，调整重采样后粒子的分布，抑制了采样枯竭；其次将粒子滤波的预测性与运动目标检测结合，在跟踪一定时间后重新初始化被跟踪目标作接续跟踪，保证了粒子的多样性以及跟踪的实时有效性；最后调整了目标窗口的大小，使窗口尽可能少包含背景像素。实验结果表明，本文算法能适应复杂环境条件下的跟踪，在跟踪的准确性上优于标准的粒子滤波算法。　　 论文最后基于本文提出的运动目标检测算法与运动目标跟踪算法，结合了摄像机反馈信息与摄像机预置点设置机制，设计了一种可行的遗留物品检测算法。并给出了实验结果及分析。