运动目标检测与跟踪是智能视频监控系统中的重要组成部分,在诸多领域都有广泛的使用。然而在实际的检测以及跟踪环境中往往伴随着复杂的情形,算法需要克服复杂场景的挑战达到稳定高效的检测与跟踪效果,这就对算法的性能提出了更高的要求。运动目标检测过程中本文主要对基于背景建模的视觉背景提取算法进行研究,目标跟踪过程中本文主要对相关滤波目标跟踪算法进行研究,具体的研究内容如下:(1)视觉背景提取算法使用视频第一帧初始化背景模型简单高效,但这样的方式在视频第一帧出现运动目标时会在后续一定范围帧中引入鬼影区域;且算法对动态背景扰动较为敏感,会将其检测为虚假的前景点;而背景建模类方法不能很好地适应光照的变化。基于这三点进行改进,实验表明改进算法能够有效应对复杂场景的挑战。(2)在核相关滤波算法的基础上提出了多策略融合的相关滤波目标跟踪算法。在决策层面上根据跟踪置信度自适应融合颜色命名特征,实现特征的优势互补以获取更好的跟踪结果;单独训练一维的尺度滤波器以应对目标的尺度变化;提出了自适应更新滤波器的策略。实验表明改进算法在面对运动模糊、背景混乱、光照变化、轻微遮挡等情形时较核相关滤波算法有较大提升。(3)基于核相关滤波算法提出了抗遮挡的长时目标跟踪算法。相关滤波类算法在面对遮挡尤其是严重遮挡情形时易丢失目标,其高风险的更新策略使其难以找回目标,在核相关滤波算法基础上训练一维尺度滤波器以应对目标尺度变化;联合最大响应值与平均峰值相关能量判断跟踪置信度,在跟踪置信度低于阈值时利用支持向量机对目标进行辅助重检测,支持向量机与跟踪模型相互协作提高算法在面对遮挡情形时的鲁棒性。实验表明改进算法在长时跟踪任务且具有遮挡情形时较核相关滤波算法有较大提升。