当下,随着社会的快速发展,由民族、社会等多方面社会矛盾所引起的各类突发事件和恐怖袭击屡屡发生。城市监控系统作为建设平安城市的基础,对当前以及未来发生的突发情况起着极其关键的作用。但是,由于监控数据量巨大,单凭人力监控管理成了一个巨大挑战。为了让安防系统更好的服务于应对突发事件,我们需要一个智能的安防系统来准确地获取信息。随着科技的进步以及计算机视觉技术的不断发展,搭建一个大规模的网络化数字化的视频监控系统已经成为现实,利用人工智能技术构建新一代智能视频监控系统也已经成为了可能。智能监控系统的研发是一个极具挑战性的工作,它要完成视频进行智能分析,对视频中出现的内容进行检测识别,这其中包含了多个计算机科学领域。在众多的智能监控视频分析领域中,提取监控视频中有目标运动的前景部分与监控场景中多个目标的检测跟踪是一个至关重要的一部分。本文针对监控视频的前景提取和目标检测跟踪问题进行了研究,提出了对于这些问题的解决方法。本文主要的研究内容如下：1.对于视频中运动前景部分提取,本文采用了一种基于多通道高斯混合模型的动态背景模型。通过对背景模型的改进,提高了前景提取的准确性,并使其能够满足实时检测的要求。针对提取前景出现细小空洞以及不连贯问题,本文采取了图像形态学的处理,增强了前景提取的可靠性。通过与之前的算法进行对比发现,本文提出的改进算法提取的前景噪点更少更准确。2.针对目标检测分类,本文总结介绍了三种常用的特征模型,即HOG、Haar-like、LBP,利用级联的Adaboost分类器和支持向量机对人脸五官和行人目标做了一系列的检测实验。3.在目标跟踪方面,本文利用Lucas-Kanade光流估计算法,设计并实现了一种快速跟踪多物体的算法,本算法采用均匀采样目标像素点作为目标描述子,并运用了一种前向-反向误差滤波器,大大提高了跟踪的准确性。为了验证算法的可用性,本文选取了三段真实监控视频用于实验,通过比较发现本文算法具有速度更快、能够跟踪多个物体的优点。4.为了提高程序执行速度,本文利用GPGPU技术对算法进行了并行加速研究,通过使用CUDA技术大大提高了算法速度。