随着视频监控规模的不断扩大,仅仅使用人力对成千上万的监控摄像头进行在线监视、对海量监控视频进行分析已经不能满足需求。由于智能监控不需要在人为干预情况下对摄像机采集的图像序列进行自动分析,因此成为未来发展的趋势。论文主要研究运动目标检测、跟踪技术,并且围绕智能监控系统中的实际应用展开论述。一方面,对监控系统记录的视频进行智能分析,提取感兴趣目标。另一方面,自动控制摄像机对目标进行实时跟踪,扩展监控范围。首先,论文研究基于背景建模的运动目标检测算法。根据算法采用的基本原理将其分为四大类,并在每一类中选择几种典型算法进行详细介绍,相应地给出实验结果和分析。对混合高斯模型算法中存在的不足进行了阐述,并给出改进方法。考虑到原有算法没有利用空间和时间相关性,提出了一种利用邻域信息计算先验概率的方法。该方法能够有效地削弱图像噪声、摄像机晃动、树叶摆动等干扰对检测结果的影响,同时提高目标分割的完整性。其次,论文研究目标跟踪算法。介绍了几种典型算法：卡尔曼滤波,LK光流法,Camshift以及基于Tracking-Learning-Detection的方法等。给出算法的基本原理,对算法进行实验分析。论文还介绍了基于视频的行人车辆检测与分类的具体应用。该应用可以分为图像预处理、目标检测、跟踪、分类和模型估计五个阶段。目标分类阶段提出一种以目标面积为特征,采用EM聚类来实现行人车辆分类的方法。模型估计阶段,利用统计历史信息,对场景中不同位置目标面积进行拟合。最后根据应用需要,给出实际监控视频的测试结果、数据及其分析。最后,论文介绍了摄像机自动跟踪应用。该应用包含目标检测、动态背景下的目标跟踪和摄像机控制三个模块。模块之间需要协调优化,在保证实时性的前提下准确地判断目标位置。论文给出了对测试序列和实际监控视频跟踪的实验结果和分析。