视频监控系统通过对摄像机拍录的图像序列进行自动分析，实现对动态场景中目标的定位、识别和跟踪，并在此基础上分析和判断目标的行为，从而做到既能完成日常管理又能在异常情况发生时及时做出反应。视频监控技术涉及计算机视觉、视频图像处理、模式识别和人工智能等领域的许多核心问题，是一个具有挑战性的课题。 运动目标检测与跟踪是实现视频监控系统的核心与关键。本论文对目标检测与跟踪技术进行了研究，着重讨论了动态场景下的多模态背景建模、阴影检测以及目标跟踪。 本论文所做的主要工作包括以下几方面： 1.在单模态背景下，提出了一种基于形态抑制的运动目标检测算法。首先采用背景帧差法得到前景区域二值图，然后利用序贯算法对连通成分进行标记，并利用面积及形态密集度对非目标物体进行抑制，最后提取目标轮廓。该算法实现简单，可以较准确地提取目标轮廓。 2.在复杂场景下，背景不能用单模态模型来完全描述，需要进行动态背景多模态建模。因而，提出了一种基于多样性(diversity)抽样机制的非参数建模方法，用于背景分布核密度估计，克服了均一全样本在核估计阶段的重复计算等问题。该算法结合像素的邻域信息去除场景中由于树叶摇动、摄像机抖动等引起的噪声，并对环境光照变化具有较好的鲁棒性。 3.阴影检测与去除是动态场景目标检测中的难题之一。在多模态背景模型下，利用阴影与对应背景相比具有亮度变暗、色度几乎不变的特性，提出了一种采用HMMD(Hue-Max-Min-Diff)色彩空间检测阴影的算法。克服了HSV色彩空间复杂的矢量量化，对运动目标投射阴影(castshadow)具有良好的抑制作用。算法计算简单，适用于目标与背景色差较大情形。 4.提出了一种利用阴影与目标之间的分界线提取识别阴影的算法。首先从前景区域中得到所定义的暗色区域，然后进行细化等处理得到分界线，并利用阴影比目标区域灰度更一致的特性来识别阴影。该算法区别于基于阴影像素点检测的方法，尤其适用目标较分散场景。 5.从阴影的形成出发，结合阴影像素点的光度不变性和投射阴影的空间特性，提出了一种适用户外场景的阴影检测算法。实验表明该算法对不同场景、不同目标产生的阴影都具有很好的检测效果。 6.结合交通监控系统，研究基于序贯蒙特卡罗粒子滤波的概率跟踪方法。引入色彩相关直方图(colorcorrelogram)来描述目标的色彩特征，克服了直方图描述缺乏空间信息可能引起歧义的不足。提出一种结合树形量化与多样性量化的算法，使量化后的色彩对不同图像具有自适应性，且计算更加有效。该跟踪算法采用最小方框图(MBR)来表示目标，结合目标的位置、形状和色彩特征来计算粒子滤波所需样本的权值。实验对比了不同色彩描述对同一组样本的分辨能力，并验证了算法在车辆跟踪中的有效性。