随着计算机视觉领域的飞速发展，视频监控系统的智能化技术也取得了一定的进步，针对智能视频监控系统的目标跟踪方法研究成为当前计算机视觉相关专业研究的热点。目标跟踪是智能视频监控系统的核心功能，是智能目标监控系统进行目标识别、行为分析等各项工作的基础，有着重要的研究价值。　　本文重点研究了智能视频监控系统的目标检测方法和目标跟踪方法，并针对现有算法中的缺陷，提出了一种能够实现目标自动识别的智能视频监控系统多目标跟踪方法。　　本文首先对于后续的目标检测与目标跟踪中涉及的图像处理技术与机器学习方法进行了相关知识的介绍，主要包括图像的噪声机器滤除、二值图像形态学处理、随机森林分类器和P-N机器学习。　　其次，本文根据智能视频系统的应用需求，对于传统的目标检测算法进行了详细研究并进行实验分析，具体为帧差法、高斯背景建模与光流法，具体分析了各个算法的优缺点；为了解决高斯背景建模方法中存在的抗阴影干扰能力不强的缺点，提出了一种基于LBP算子的高斯背景建模方法，利用LBP算子的灰度不变形对于背景模型进行描述，提高了对于阴影干扰的滤除能力，并对其目标检测效果进行分析。　　再次，本文对于Mean Shift目标跟踪算法进行了理论介绍并进行了实验验证，针对其不能克服遮挡干扰的缺陷，提出了一种基于机器学习的Mean Shift目标跟踪改进算法，实现了对于遮挡干扰的滤除；并针对该改进方法，实现了多目标跟踪的扩展改进，实现了对于多个目标的实时跟踪。　　最后，根据本文所研究的目标检测算法与目标跟踪算法，结合OpenCv计算机视觉库与Qt图像库，开发了智能视频监控目标跟踪仿真系统，对于本文所研究的算法进行了具体实现，实现智能视频监控系统的目标跟踪功能。