随着计算机科学技术和计算机视觉技术的不断发展，智能视频监控系统得到了迅速的发展，能够自动地、智能地分析和处理视频图像序列，实现了监控场景中的运动目标检测和跟踪。运动目标检测和跟踪是智能视频监控系统关键和核心的部分，对这一方面的研究已有几十年，但到目前为止都还没有一种运动目标检测和跟踪系统适用于任何环境。随着研究的不断深入和研究人员的不懈努力，总会开发出具有高鲁棒性、高性能的运动目标检测和跟踪系统，并广泛应用到各行各业。本文对运动目标检测和跟踪系统进行了设计与实现，试图解决运动目标检测的准确性，目标跟踪在遇到类目标颜色干扰和被严重遮挡时跟踪失败的问题，主要工作包括：分析和比较运动目标检测方法。本文对目前常用的三种运动目标检测算法：光流法、帧间差分法和背景减除法及这几种算法的有缺点进行了分析和研究。其中基于像素的自适应分割算法(PBAS)采用自适应分割阈值进行像素分割和随机选择更新机制进行背景模型更新，检测结果准确性较高，对噪声的鲁棒性和对环境的适应能力都比较好。经过运动检测后得到的二值图通常包含多个运动目标，要想实现对运动目标的跟踪，需要知道运动目标的位置等信息，通过运动目标提取能够实现对运动目标的连通性进行分析并对运动目标进行标定。分析和比较运动目标跟踪方法。本文对几种常用的运动目标跟踪算法：Kalman滤波跟踪算法、CamShift算法和ABCShift算法进行了分析和研究，指出了这几种算法的优缺点。深入研究了结合Kalman滤波的ABCShift算法，该算法既利用了目标的空间信息，又利用了目标的颜色信息，解决了运动目标在受到类目标颜色的干扰和被严重遮挡时跟踪失败的问题。该算法的主要思想为：首先，Kalman预测当前帧目标位置；然后，ABCShift算法匹配运动目标；最后更新Kalman滤波状态。实现快速准确的运动目标检测和跟踪系统。本文介绍了基于windows7，以VS2008和OpenCV进行开发的一个基于MFC的运动目标检测和跟踪系统，本系统分为四个模块：视频采集显示模块、运动检测模块、运动目标提取模块和运动目标跟踪模块，详细的分析了系统的总体设计思想、各个功能模块的设计思想、系统搭建的MFC和OpenCV环境以及检测和跟踪模块的详细设计思想。通过用不同测试视频对本系统的性能进行测试和分析，由测试结果可知，本系统在简单背景、遇到类目标颜色干扰和被严重遮挡时的复杂环境下都能准确的进行检测和跟踪。