随着现代社会以及高科技的飞速发展,在社会安保系统中,视频监控的作用越来越受到重视。而那些传统的依靠专门的人员来监视屏幕的系统已经不能够满足现代社会安保的要求,于是智能的视觉监控技术就应运而生。所谓的智能视觉监控技术,指的是只通过计算机等设备来对摄像机所拍摄的视频中的运动物体进行运动目标的检测、跟踪甚至定位等的各种行为分析的技术,而不是通过有人参与其中进行分析的技术。而其中对运动目标的检测、跟踪方面的技术则是智能视觉监控系统中最根本的也是最基础的技术。(1)本文在运动目标的检测方法方面先简单的介绍了最常用的三种运动目标检测的算法,包括光流法、帧间差分法和背景差分法,然后通过实验来分析了这几种算法的性能。最后,在背景差分法和帧间差分法的基础上对背景差分法的背景模型的建立上进行了改进。先用背景差分法提取运动目标的活动区域,然后根据背景变化的特点做分情况处理:如果背景有比较缓慢的变化时(如室外太阳光照等),就将上一帧图像的背景模型和当前帧的图像进行线性加权处理来更新当前的图像中的背景模型;如果背景有突然的变化(如有物体快速的进入并且停止等),就用帧间差分法,对初步判断的“运动目标”做进一步的判断。然后再做图像的后续处理工作。(2)本文在运动目标的跟踪方法方面,先分别介绍了Camshift算法和Kalman算法。然后采用帧间差分法和背景差分法相结合预先将要跟踪的运动目标进行采样,将获取的目标模板的颜色分布图与视频中出现的运动运动目标进行匹配。针对被检测的运动目标在图像中被遮挡或者有相似颜色的运动目标干扰的问题,本文采用将Camshift算法与Kalman算法进行线性相加的方法完成对运动目标的跟踪,解决了运动目标被遮挡或者有相似颜色运动目标干扰使目标跟踪丢失的问题。实验表明该算法能够更好的进行检测和跟踪某一指定的运动目标。(3)最后,在介绍Intel公司的开源OpenCV计算机视觉库的基础上,对以上的算法进行了实验验证,并取得了较好的实验效果。