目标跟踪算法是被科研人员广泛关注的研究课题，其在工程应用中也具有重要的实用价值。目标跟踪算法在近十几年中已经取得了很大的发展，已经提出的跟踪算法概括起来可以分为两类：基于搜索的跟踪算法和基于目标检测的跟踪算法。基于搜索的跟踪算法是在局部或者全局域内寻找最优匹配来实现目标的位置更新，其优点是算法效率高，实时性强，但在实际的应用场景中，该方法容易受到复杂背景的影响，出现跟踪框漂移、粘连、误判等问题。基于检测的跟踪算法以单帧中目标检测为基础，通过将检测到的目标与已有跟踪链匹配来实现目标位置的更新，很好的解决了漂移等问题，但是算法运算时间复杂度太大，无法很好的应用在实时性视频监控系统中。因此，从07年开始将目标检测和搜索跟踪相结合的算法思想逐渐成为跟踪算法研究的主流。　　在本文中我们研究的是行人目标的跟踪问题，提出了一种适用于智能视频监控系统的多行人跟踪算法，该算法主要在以下几个方面做出改进：首先，针对监控视频中场景保持相对稳定的特点，提出一种两步行人检测算法。第一步通过随机采样的方法快速构建背景模型，提取移动前景块；第二步离线训练行人分类器，并基于滑动窗口策略，利用分类器对前景区域中可能存在的行人目标进行判断。其次，结合基于局部搜索和基于检测两种跟踪算法的思想优势，提出搜索检测模型。在多数视频帧中行人采用局部搜索的方法进行位置更新，再通过周期性检测的方法来对行人的跟踪轨迹进行校正同时对行人的特征加以更新。对于多行人跟踪中常出现的行人间相互遮挡问题，我们采用遮挡预判，观测置信度评价和独立处理的策略进行处理。最后我们设计了智能监控系统中的越界检测应用模块，实现监控领域主要的两种行为判断功能：越线报警和入侵警戒区域报警。　　文中，我们通过大量的实验对算法的各个模块进行对比分析。我们采用INRIA、MIT行人样本测试库、PETS、ETHZ Central、CAVIAR视频库以及大量的项目视频对行人检测算法和多行人跟踪算法进行测试，并分别与当前主流的行人检测算法和行人跟踪算法进行对比分析，实验表明我们的算法在检测准确率，跟踪准确度以及实时性上有所改进。越界功能模块中我们利用多种应用环境下的项目视频对其测试，算法能很好的完成预报警功能。