运动目标检测技术和跟踪技术是实现智能视频监控的两个关键技术。运动目标检测和跟踪处于智能视频监控的底层视觉模块中，是各种后续处理技术的基础，如行为识别、行为分类、行为理解等，因此具有重要的理论意义和实用价值。为了有效消除复杂动态背景对运动目标检测的影响，重点研究了基于码书模型的背景建模算法，并在此基础上，基于前后景区分能力更强的YUV颜色空间，提出了一种新的码书模型，新码书模型采用六元素码字、新的码字学习和更新策略，实现较前人九元素码字和八元素码字更快的训练和更低的存储。仿真结果表明，新码书模型有效地减少了伪目标的检测，即使在背景存在扰动和光照条件发生变化的情况下，基于新码书模型的算法也能更有效地检测运动目标。针对遮挡、背景变化等对目标跟踪带来的困难，在重点研究了基于卡尔曼滤波器的目标跟踪算法和基于mean-shift的目标跟踪算法的基础上，提出了一种基于YUV颜色空间特征的目标跟踪融合算法。融合算法在结合卡尔曼滤波器和mean-shift算法优点的同时，又结合了一种阈值函数，准确计算目标的最终位置，解决了遮挡、背景变化等造成的目标跟丢问题，提高了目标跟踪算法的准确性、实时性和鲁棒性。通过仿真实验验证了新方法的有效性和准确性。在理论研究的基础上，开发了两个测试软件——基于web的远程网络智能视频监控系统和基于Qtopia2.2.0的近程智能视频监控系统，用于对运动目标检测算法和跟踪算法进行实际应用场景中的测试。两个测试软件都较好地完成了运动目标检测算法和跟踪算法在实际应用场景中的测试工作，为算法以后真正的应用，积累了经验，打下了基础。