视频目标检测和跟踪是计算机视觉领域中重要的研究内容。随着计算机运算能力的不断提高、高质量低成本视频采集设备的出现以及人们对智能视频监控系统的需求日益增加，引发了科研人员对目标检测和跟踪算法的广泛深入研究。　　为了利用计算机代替人从事运动感知和场景理解等工作，目标检测和跟踪算法需要克服很多困难，比如监控场景中光线变化，跟踪目标姿态变化、遮挡、消失和再出现的时空不确定性等因素。本论文基于混成系统框架，通过建立不同层次视频表征模型，设计逻辑切换规则，解决复杂场景中运动目标的稳健检测和持续跟踪问题，实现存在漏检和全遮挡情况下的行人跟踪。本论文的创新成果如下：　　1、提出一种基于混成系统的目标检测算法。该算法利用颜色差分直方图视频分割算法和Codebook背景建模算法构建模型集合，设计兼顾颜色差分直方图算法计算复杂度低和Codebook背景建模算法对复杂背景建模能力强的模型逻辑切换规则，有效规避两种算法对摄像机抖动和光线剧烈变化或目标检测实时性的不足，实验结果证明所提算法能够克服剧烈的光照变化和摄像机抖动对视频分割的影响，实现快速鲁棒的运动目标检测。　　2、针对含有新生目标的多目标跟踪问题，提出构建由航迹起始算法和高斯混合概率假设密度（Gaussian mixture probability hypothesis density，GM-PHD）滤波算法组成的混成模型集合，通过设计模型切换规则实现新生目标传递给GM-PHD滤波算法以及将量测数据合理分配给航迹起始算法，保证以较小计算量辨识新生目标并跟踪场景中全部目标。实验结果表明所提算法在跟踪数目未知且时变的多目标场景中具有较好的跟踪性能和实时性。　　3、针对目标跟踪中全遮挡问题，提出构建由跟踪和辨识模型组成的混成模型集合，通过设计基于特征在线学习的模型切换规则，实现算法在目标跟踪的同时进行特征学习，在跟踪目标被遮挡后利用辨识模型不断从检测结果中辨识失跟目标，在辨识到失跟目标后又重置跟踪目标状态。实验结果表明所提算法在含有全遮挡的目标跟踪中具有显著优势。　　4、针对检测器漏检问题，提出基于混成系统的多目标跟踪算法。构建基于融合表观与状态信息的高斯元模型和基于GM-PHD两个更新组元模型的混成模型集合，通过设计模型切换规则时时判断跟踪目标是否漏检，达到时时利用最佳模型实现存在漏检情况下的多目标跟踪。实验结果表明所提算法在检测器存在漏检情况下的多目标跟踪中具有良好的跟踪性能。