随着人们物质生活水平的提高和计算机视觉技术的发展,人们越来越重视对突发事件的预防和紧急事件的应对。智能视觉监控是实现安全监控的重要手段之一,它能在不需要人干预的情况下,对视频图像序列进行分析自动检测、跟踪与识别监控场景中的目标,并在此基础上进行更高层的行为理解和行为分析。运动目标检测和跟踪是智能视觉监控系统中的关键技术,具有广泛的应用价值。视觉监控系统主要包括两个部分：一个是运动目标的检测和提取,另一个是目标的预测与跟踪。本文的主要目标是在研究目标检测和跟踪算法的基础上,搭建一套跟踪系统实验平台。具体工作如下：1.研究了视觉监控中常用的目标检测算法——帧间差分法和背景减除法,给出了检测原理和步骤,并通过实验对帧差法和高斯模型进行了比较,实验结果体现了这两种方法的优缺点和适用场合。本文选取混合高斯模型进行背景建模。2.介绍了独立分量分析(Independent Component Analysis,ICA)的基本原理和相关的数学基础。提出将ICA算法应用于目标检测中,同时,用信息最大化的独立分量分析(Infomax)算法在MATLAB 7.0环境下进行了仿真实验。实验结果表明ICA是一种有效的目标检测方法。3.在目标跟踪方面,本文研究了CamShift跟踪算法和基于Kalman滤波的运动估计,详细介绍了两种方法的原理和步骤,这为设计系统的跟踪模块奠定了理论基础。4.设计并实现了基于OpenCV的智能视觉监控系统。本文首先根据系统的模块需求给出了整体架构；然后采用OpenCV视觉库在VC++6.0环境下编制了跟踪软件,并利用实验室的设备搭建了一套智能视觉监控系统。系统采用模块化设计,对自采集的视频序列和常用的视频序列进行测试,给出了相应的实验结果。结果表明系统成功实现了运动目标检测和跟踪任务,具有较好的实时性和鲁棒性。