目前,智能视频监控领域正逐渐成为计算机视觉领域一个热门研究领域。在智能视频监控中,感兴趣的目标一般都是行人,因此行人的检测和跟踪也就顺理成章的成为该领域的最重要的关注对象以及研究重点。本文主要在基于HOG的行人检测算法上做了一些改进,针对HOG特征的一些缺点提出了自己的建议,在行人跟踪领域,作者讨论目前流行的跟踪算法的弊端,突出了一套行之有效的多目标跟踪算法。在目标检测方面,本文提出来基于HOG特征改进的行人检测算法。首先,我们引入了梯度方向积分直方图,有效的改进了HOG特征的计算时间。其次我们利用PCA方法对于HOG特征中每个Cell组成的特征向量进行分析,提取特征向量的主成分,从而在基本不降低检测性能的情况下有效的降低了HOG特征的维度。然后我们针对HOG特征块的尺寸相对单一,无法在语义层级上表述行人的某些部位特征,提出了多尺度HOG特征,并且利用AdaBoost算法挑选特征,实验表明,多尺度HOG特征相对于HOG在检测性能和检测时间上都有了大幅度提升。在目标跟踪方面,本文将图论领域相当著名的网络流思想引入到跟踪中,提出基于网络流的多目标跟踪算法,在目标发生遮挡的时候,利用EOM模型在网络中添加假设的遮挡目标。我们把全局的目标关联问题转化为计算流网络中的最小费用最大流的问题。从而利用现有的网络流算法求解,通过实验表明该算法能够有效的解决目标遮挡情况下的跟踪问题。最后,本文设计实现了一个检测跟踪监控系统,实现了讨论的算法并验证了其可行性和有效性。