在智能视频监控系统中,目标检测和跟踪的实质是通过对视频序列处理来提取运动目标,并得到目标在每帧视频中的位置、大小和运动速度等信息,起着承上启下的作用。其性能对智能视频监控系统的有效性会产生直接的影响,是智能视频监控系统极为重要的组成部分。本文首先介绍了Meanshift和Camshift算法的基本原理,给出了Camshift算法的搜索过程以及Meanshift和Camshift在视频目标跟踪中的应用。然后针对运动目标速度过快的情况,研究了Kalman滤波的相关知识。介绍了Kalman滤波器的基本原理与工作流程,并将Kalman滤波器应用到目标跟踪领域。在此基础上提出了与Camshift算法相结合的改进算法。对于背景颜色和目标相近或是背景较为复杂的场景,本文采取了前景提取的方法进行处理。这里利用Codebook背景建模的方法提取出运动目标前景,将此二值化图像作为mask模板来去除背景信息的各种干扰,获得所需要的前景信息。在此基础上为了完善跟踪效果,适应更多的应用场合,提出了利用改进的LBP局部二值化模式算法进行纹理信息的提取,与色调分量一起作为描述运动目标的特征,提高了目标跟踪的鲁棒性及适用范围。最后综合以上算法,提出了本文的最终算法,即融入了前景提取与运动估计的改进目标跟踪算法。实验证明,本文的算法在原有算法的基础上大大提高了跟踪性能。本文的主要创新点为结合Kalman滤波器解决运动目标速度过快问题,融入Codebook解决背景与前景区分不大的问题以及为提高跟踪精度加入纹理特征。