随着中国经济的快速发展和社会的不断进步,越来越多的人们开始关注自身安全问题。智能视频监控系统应运而生,并被广泛应用于交通、监狱、机场和电力系统等安全性能要求较高的场所。但是由于传统视频监控系统在具体实现过程中,往往需要依靠人力完成,造成了很多不必要的资源浪费。因此,高效的运动目标检测和定位算法的实现具有非常重要的现实意义。本文以视频序列中的运动目标为研究对象,主要分析了目标检测、跟踪以及入侵检测算法。针对传统算法中存在的问题,改进了基于混合高斯模型的背景减除法和传统Camshift跟踪算法。本文的主要工作包括以下三点:在运动目标检测方面,针对传统三帧差分法只能提取出目标的大致轮廓、背景减除法的具体实现依赖于背景模型的准确建立与实时更新的问题,本文引入Canny算子对传统三帧差分法进行改进,并将改进后的三帧差分法与基于混合高斯模型的背景减除法相结合,然后利用HSV颜色空间去除所得目标中的阴影区域,最终实现运动目标检测。在运动目标跟踪方面,针对传统Camshift算法容易受到背景中相似颜色干扰的问题,本文引入饱和度分量对算法中的目标直方图模板进行改进,以获取较为准确的目标颜色信息。针对目标被部分遮挡会导致跟踪失败以及该算法在具体实现过程中需要在每一帧图像中全图寻找目标区域,使得计算量偏大的问题,本文引入Kalman滤波器对目标下一帧位置进行预测估计,以便快速、准确地获取下一帧图像中的目标信息。在目标入侵检测方面,针对因目标位于警戒线位置而造成的误报警现象,本文利用目标框的下边缘向下投影到与地面相交位置得到的投影线与警戒线的位置关系,判断目标是否发生跨越警戒线行为。实验结果表明,与传统算法相比,改进的目标检测算法能够在复杂环境中完整、准确地提取出运动目标;跟踪算法既可以提高跟踪精度,又能够降低计算量;入侵检测算法可有效减少由于视角造成的误报警。