视频监控系统在军事、社区安全、电信、电力、交通等领域发挥着重要作用。本文研究了监控系统中的关键技术运动目标检测和跟踪,它是动态序列图像运动分析、行为理解的基础,如何实现对运动目标实时、鲁棒和有效地检测跟踪,是一个研究的热点问题。为了准确检测出运动目标,必须先补偿跟踪过程中运动摄像头带来的全局运动,块匹配法是一种有效但很耗时的方法。本文以图像中强边缘点为匹配块的中心,并结合摄像机的运动方向减小搜索范围,该改进算法耗时仅为原算法的61.4%。在研究了目前常用的几种运动目标检测算法的基础上,本文采用了三帧差分法检测运动目标。在智能监控系统中,为了将人的脸部信息清晰地记录下来,从而有利于日后查证。本文利用AdaBoost学习算法检测视频中的正面人脸,通过串口通信进行自动调焦,直到清晰度评价函数取得峰值为止,抓拍保存几帧清晰人脸图像后恢复至原焦距。针对跟踪目标存在速度和姿态不断变化、被遮挡等问题,本文提出一种鲁棒性更好的跟踪算法,即当目标运动速度大于阈值T(10像素/帧)时,采用具有快速跟踪特点的形心跟踪算法;当运动速度小于阈值T时,采用基于颜色特征跟踪的CamShift算法。针对CamShift算法不能自动提取运动目标,在复杂环境中易受邻域背景相近颜色干扰,本文采用三帧差分法自动检测出运动目标,并利用Kalman滤波器预测目标在下一帧中的运动区域,解决了背景颜色的干扰及大比例遮挡情况下跟踪失败的问题。最后,本文使用VC6.0编程实现以上算法并且进行了实验验证,实验证明该算法适应目标旋转、尺度变化和被遮挡等情况。为了进一步提高实时性,在以DM642为核心的DSP嵌入式开发系统下进行了实现的研究。