为营造良好的通行环境，减少内河航道污染及事故的发生，达到绿色航运的目的，本文对海事视频监控进行了研究，针对内河航道的特殊环境，通过改进算法与原算法的对比分析来验证改进算法在这种特定环境下的优越性。在运动目标检测方面，本文首先学习了一种混合高斯模型背景差分法。针对该算法计算量大、背景收敛速度慢以及对于大而慢的运动目标容易出现“空洞”情况的缺陷重点分析了一种目标检测融合算法，提高了目标检测的实时性。最后针对该算法易受光照突变或水流剧烈波动的影响，本文提出了一种改进的目标检测算法，对高斯分布的方差更新设定一个阈值，避免方差陷入一直较小的状态，从而减少目标误判的发生，最后用面积法对提取出的前景进行阈值处理，滤除漂浮物的干扰。改进的算法能更好地适应场景的动态变化。在运动目标的跟踪方面，本文首先分析了一种基于颜色信息的CamShift目标跟踪算法。虽然该算法能自适应地调整搜索窗口，对运动目标进行跟踪，但单一的颜色特征并不能准确地描述运动目标，特别当颜色信息受到干扰时，会发生较严重的偏移现象。针对以上不足，重点研究了一种多特征融合的CamShift算法，其利用颜色、纹理和边缘三个特征代替单一的颜色特征来描述目标。针对其各特征的权重系数分配不合理的缺陷提出了一种改进算法，该算法利用各特征的贡献度来分配权重系数，这样可以对运动船舶的描述更加准确，再与改进的目标检测融合算法相结合，实现了对船舶自动、稳定、准确的跟踪。在运动船舶的流量统计方面，本文首先研究了虚拟检测线法、虚拟线框法和目标链法，在内河航道这种特定的环境下，且出于实时性和准确性的综合考虑，虚拟检测线计数法能较好地统计出运动船舶的船流量。最后，本文在VC++6.0软件环境下，同时结合计算机开源视觉库函数，对本文涉及到的各个算法进行编程实现，并对实验结果进行了对比分析。在运动船舶的检测方面，改进后的算法有更好的鲁棒性和实时性，能更好地适应场景的动态变化；在运动船舶的跟踪方面，改进后的算法能对运动船舶进行更加准确稳定地跟踪，体现出了更好地鲁棒性；在运动船舶的流量统计方面，虚拟检测线法能较准确地对船舶进行计数，经实验测试，误差在10%以内。