主动监视是计算机智能监视的一个重要的应用方向和前沿课题，从大的方向它涉及到了图像工程、模式识别、人工智能等领域。主动监视是利用计算机视觉和视频的分析方法对摄像机拍摄的图像序列进行分析，实现对动态场景中目标的定位、识别以及跟踪，并以此为基础分析和判断目标的行为，得出对目标行为的正确理解，从而指导和规划行动。 简单的主动监视系统已经广泛应用于社会生活的各个方面，同时主动监视的研究也遇到了许多的难题。国内外的大批学者投身于该领域进行探索和研究，并取得了大量的成果。本文在这些成果的基础上，对计算机的视频监视的关键技术进行了研究。 本文主要针对静止背景下的运动目标检测与跟踪技术做了比较深入的研究。本文首先介绍了几种常用的图像预处理技术：图像去噪、图像增强、图像恢复等。同时对彩色图像的灰度化处理进行了研究，分别使用了平均值法、加权平均法、最大值法和能量法对图像进行灰度化处理。然后，研究了现有的几种主要的运动检测算法：光流法、瞬时差分法和背景建模法并分析了这三种检测算法的优劣。在以上分析的基础上，本文结合了帧间差分算法和区域生长算法，先对相邻三帧灰度图像进行对称差分得到两幅差分图像，然后选取阈值分别对差分图像进行二值化运算，接着把两幅二值图像相与得到初步的运动目标区域。去除虚假的目标区域后，最后用区域生长法进一步完善目标区域的边缘。MATLAB仿真实验表明，在背景复杂、光照不均匀的视频中，该算法比帧间差分法、数学形态学的方法等能够更精确地检测出多个运动物体，在提取目标的同时，仅留下很少的背景像素，使下一步的目标跟踪更精确。最后对已有的目标跟踪算法进行了总结分类。