随着计算机视觉研究的不断发展,智能视频监控越来越受到人们的关注。而在智能视频监控系统中,目标检测与目标跟踪作为最基础的两项技术对于智能视频监控的研究尤为重要。因此本文重点研究视频序列中运动目标的检测与跟踪算法。具体的研究内容的如下:在研究目标检测的阶段,首先对传统的目标检测方法进行研究分析,其中包括:背景差分法、帧间差分法、光流法等。通过对这几种检测算法进行比较,提出一种改进的目标检测方法。先使用混合高斯模型的方法进行背景建模,并利用背景差分法获取前景,再将五帧差分法所得的前景与之进行“与”运算。最后对得到的前景进行形态学处理,获取到完整的运动目标,并对改进的检测算法进行仿真实验,实验表明,该方法有效的解决了孔洞以及边缘模糊等问题,检测效果较好。在目标跟踪阶段,首先针对传统的Meanshift算法在目标被严重遮挡或者是完全遮挡的情况下算法失效的问题,提出一种基于Meanshift的改进算法与卡尔曼滤波器相结合的算法,利用巴氏系数的值判断目标是否被遮挡,如果没有被遮挡,首先采用卡尔曼滤波器,根据以往的运动目标的信息预测出一个可能的目标位置,然后通过Meanshift算法在该预测的目标点周围进行迭代搜索,以此来获得一个相对精确的目标位置,反之,当运动目标被遮挡时,则采用卡尔曼滤波算法预测目标路径,预测值就作为目标的跟踪结果,这样在运动目标遮挡情况下实现了连续稳定的跟踪;其次当运动目标的颜色与背景的颜色或者其他干扰目标的颜色相近时,Meanshift算法无法实现准确的跟踪,针对这一问题提出采用边缘方向直方图来描述目标的特征,即利用边缘方向直方图包含运动目标的空间纹理及形状信息的特点来解决颜色干扰的问题。