随着计算机技术的飞速发展,目标的检测与跟踪已经成为智能视频监控领域中的热点问题,在模式识别、计算机视觉、图像处理等领域把目标跟踪作为重要的研究课题,在视频监控、军事、智能交通等方面具有广泛的应用前景。本文重点研究在固定单摄像机条件下,对视频监控系统中的人体进行检测与跟踪技术的研究,本文在对视频序列中运动人体的有效提取的基础上,提出了两种不同的跟踪方法,基于贝叶斯估计的跟踪方法和基于概率密度估计的方法,论文的主要工作包括：1、针对感兴趣人体区域的提取问题,首先应用基于自适应混合高斯建模的减背景法将运动人体区域检测出来,接着对光照条件下产生的阴影进行去除,最后对运动人体区域进行适当地形态学处理。2、提出了一种基于贝叶斯估计的增强粒子滤波的跟踪算法来实现单摄像机下的人体跟踪方法。本文对传统粒子滤波方法进行了改进,增加了卡尔曼滤波,在增强粒子滤波中,首先用粒子滤波器从先验概率中获得一定数量的粒子,然后根据卡尔曼滤波应用当前的观测值进行粒子状态均值和协方差的更新,并利用更新后的均值和协方差产生高斯分布,将该高斯分布作为提议分布,从高斯提议分布中重新获得粒子集,进行粒子滤波,通过卡尔曼滤波与粒子滤波的相互迭代实现人体的跟踪。3、提出了一种利用概率密度估计方法实现单摄像机下的多个人体跟踪方法。本文首先利用均值漂移算法对人体表面颜色信息进行聚类,并根据聚类结果对目标区域分块,然后利用核密度估计的方法对聚类后的人体区域进行相应的颜色信息建模,同时根据人体前后两帧的位置信息进行运动建模,通过计算背景减除法提取出的前景区域与存储模型之间颜色和位置的最大联合概率值来实现单摄像机下多个人体的跟踪。