随着视频监控系统规模的不断扩大，单纯地使用人力实现所有监控点的在线监视对于很多监控系统来说已经不可能实现。因此具有全自动或者半自动监视功能的智能视频监控系统是视频监控系统未来发展的趋势。　　 论文围绕着智能监控系统中的人手检测、跟踪，及其在具体的自动柜员机(Automatic Teller Machine，ATM)机所发生的异常事件的应用而展开。　　 论文分析了当前几种典型的运动目标检测算法，针对当前视频监控系统的需要，在人手检测方面，应用背景减法实现对人手实时和准确的检测并得到视频证据。　　 论文对典型的运动目标跟踪算法进行分析与比较，重点研究了基于粒子滤波和Camshift算法的人手跟踪。并针对Camshift算法的缺点进行了优化和改进。主要改进了融合目标的颜色和运动信息，并将这种改进的Camshift算法嵌入到粒子滤波中，用来重新分配粒子滤波样本，使之向目标状态后验密度函数值增大的方向移动，由此得到的样本集将收敛到靠近目标真实状态的区域内，最后用这些漂移的粒子来计算估计目标状态，得到有效和快速的结果。通过实验检测得出改进的Camshift与粒子滤波的融合算法无论是跟踪视频流畅度，单帧用时，跟踪准确率，都比单独使用粒子滤波和Camshift算法要优化许多。　　 最后，设计开发了面向ATM机视频的人手检测和跟踪原型系统，实现了针对ATM机上的异常事件取证等功能，应用该系统对相关城市实际案例视频进行分析处理，结果表明能够快速、有效地检测出异常事件，并生成视频证据。