人类获得信息的80%来自视觉,因此,研究能够代替或者辅助人眼进行工作的智能系统意义重大。计算机视觉就是专门针对这方面进行研究的一门学科,它的目的就是利用先进的计算机技术模拟人眼的某些功能,对于一些操作不便或者需要耗费大量人力的工作进行处理,从而获得一些对于特定场景有价值的信息。智能视频监控系统是计算机视觉领域一个非常重要的研究方向,在该系统中,两个非常重要的研究内容为视频中运动目标的检测和跟踪,由于其在系统中处于基础性的地位并且面临着诸多挑战,一直以来都是该领域的研究热点。本文对摄像头固定情形下运动目标检测算法进行了深入研究,并在此基础上给出了两种高效的背景建模方法。另外,本文对现有的目标跟踪方法进行了深入研究,并针对现有的一些经典跟踪方法的缺点,给出了改进的方向。论文的具体研究成果如下：1、提出了一种基于类Haar特征的分层码书背景模型。首先,该模型第一次将类Haar特征引入到背景建模中来,利用该特征来表示一块区域；其次,该模型利用分层建模的思想,在块级别和像素级别上分别建立模型,并将这两种模型有机的结合在一起；另外,该模型与混合高斯模型、码书模型等经典背景模型相比,在实现相同效果的情况下运算速度明显优于这两个方法。2、提出了一种基于空间相似性的改进Vibe背景模型。首先,该模型所涉及的所有运算都是整数运算,因此,能够更好地移植到嵌入式芯片中；其次,该模型采用单帧建模,初始化时间极短,利用该特性和更新机制很好的解决了场景突然变化等情况；另外,该模型巧妙的加入了阴影去除算法,去除阴影的同时也使得原有的零散误检问题得到了很好的解决；最后,该模型在算法性能上和运算速度上都有很大的优势。3、本文通过对经典目标跟踪方法的研究,针对这些方法的缺点,提出了可行的改进方案。