视频监控在现代社会中使用越来越多,针对传统视频监控需人日夜值守,工作异常繁重,且枯燥乏味的问题,专家们提出了新一代智能视频监控,可以让计算机完成以上这些工作,而运动目标检测与跟踪技术是其核心技术,因此,研究运动目标的检测与跟踪技术对研究智能视频监控系统具有重要意义。本文的主要研究工作如下:首先,简单介绍了常用的图像处理基础知识,针对视频图像中存在的噪声会影响运动目标检测结果这一问题,本文提出一种改进的多级中值滤波技术,结合了中值滤波技术滤噪能力强和多级中值滤波技术能有效保护图像细节的优点,通过实验证明其有效性,并且能够应用于视频图像的噪声处理中去。在运动目标检测部分,首先对三种常用的目标检测算法:光流计算法、帧间差分法、背景差分法进行了介绍和比较,然后对两种常用的背景建模方法:单高斯模型法和混合高斯模型法进行了介绍和比较,接着又对目标检测结果图像进行二值化分割时的自适应阈值及目标阴影的检测与消除做了研究。在此基础上将混合高斯模型法与背景差分法结合在一起,用于监控视频中运动目标的检测,实验表明,该算法能够比较完整和快速的提取目标运动区域。在运动目标跟踪部分,首先对几种常用的目标跟踪算法做了介绍,并总结了各自的优缺点;接着,着重讲述了一种SIFT特征匹配算法,详细介绍了其特征点描述子的生成及匹配过程,虽然SIFT特征具有很高的稳定性和独特性,但其计算过程复杂且费时,基本不能用于实时视频监控系统。本文针对此问题,提出一种改进的低维度SIFT运动目标跟踪算法,在特征匹配过程中仅提取当前视频图像运动目标所在区域的SIFT特征进行匹配,而非整幅视频图像的SIFT特征,并且将其特征点描述子向量从128维降为32维,在匹配精度变化不大的情况下,将时间开销降为原来的一半,当视频帧率为10-15帧/秒时,基本能满足实时性要求,并且通过实验证明该算法的有效性,能够得到运动目标比较清晰的运动轨迹。最后,本文在Visual C++6.0开发平台上,结合OpenCV计算机视觉库来设计与实现了一个简单的智能视频监视平台,该平台能够实现对运动目标的检测和跟踪,以及其它一些简单应用。