随着经济发展，人们的安全意识越来越高，视频监控系统的应用领域也越来越广泛，如安防领域、交通领域、军事领域等。迄今为止，安装的视频监控系统绝大多数仍然是传统的视频监控系统，但传统的视频监控系统存在明显的缺陷——无法实时检测与跟踪入侵目标，因此只能通过录像回放用作事后分析。智能监控系统除了具有传统的视频监控系统的功能外，还能实时的检测与跟踪入侵目标，甚至能识别目标和分析目标的行为。运动目标检测与跟踪技术是实现智能监控的基础，研究该课题具有重要的理论意义和实践价值。运动目标的检测与跟踪技术的主要难点在于需要同时满足实时性、鲁棒性和准确性的品质要求，但是三者之间存在矛盾，如何选取折中的方案是必须考虑的因素。国内外学者已经发表的相关文献都试图找到一种实用的运动目标检测与跟踪算法，由于实际环境的不可预知性，这些算法都存在一定的局限性，如主要针对特定的应用环境、算法的实时性较差、鲁棒性和准确性都存在不同程度的问题。本文主要研究运动目标的检测与跟踪技术，通过分析对比研究已有的算法，试图找到一种改进的运动目标的检测与跟踪技术。论文主要完成了以下工作：对视频图像的图像平滑滤波、图像增强、阈值分割、形态学处理等图像处理技术进行了对比研究，为基于视觉的目标检测与跟踪准备基础；基于对传统的运动目标检测技术的对比研究和总结，同时结合视频相关图像处理技术，提出了基于Surendra背景更新算法与背景差法相结合的运动目标检测方法；对大量的运动目标跟踪算法进行了技术总结，基于对比研究与分类，构建了基于方法融合的运动目标跟踪算法的结构；基于对SIFT、Kalman与Camshift跟踪算法原理对比，借助实验仿真验证了各自的优缺点，并指出了其跟踪的算法应用范围的局限性；鉴于单一的SIFT特征匹配跟踪、Kalman滤波和Camshift跟踪难以满足实际工程对动态品质的要求，基于融合技术，提出了一种改进的基于尺度融合Kalman滤波跟踪与Camshift跟踪算法于一体的运动目标跟踪算法，最后借助仿真实验验证，达到了预期效果。