视频监控是模式识别和计算机视觉领域的主要内容之一,在军事、医学和科研等领域得到了广泛的应用。视频监控系统中运动物体检测与跟踪算法的设计是系统的核心,因此,研究视频监控系统中的关键技术并提高视频监控系统的性能具有重要的意义。本文在总结和分析目前现有技术的基础上,对图像处理技术进行了详细的介绍,对运动物体检测技术和运动物体跟踪进行了较为深入的研究和探讨。在图像处理技术方面,本文主要介绍了均值滤波、中值滤波、数学形态学等图像处理技术。通过这几种技术,可以有效地对获取到的帧图像以及二值化图像进行除燥处理。在运动物体检测方面,本文首先介绍了目前运动物体检测技术中常用的三种算法：帧差法、背景差法、光流法,分析了各种算法的实现原理,以及各自的优点和不足。在此基础上,本文提出一种基于四叉树分层数据结构的背景差法,通过这种背景差法可以较好的提高了运动物体检测部分的系统的执行效率。在获取到运动区域后,通过横向投影和纵向投影可以准确的获取到各个运动物体。在运动物体跟踪方面,本文首先概述了目前常用的运动物体跟踪技术：基于模型的跟踪、基于区域的跟踪、基于动态边界的跟踪、基于特征的跟踪,然后重点分析了卡尔曼算法的原理,建立了基于卡尔曼滤波算法的运动物体跟踪模型,通过卡尔曼滤波器进行运动物体的预测,可以有效的缩小搜索范围,提高了系统的运行效率。对多运动物体的跟踪建立了运动物体链,着重分析了所运动物体中关于遮挡的处理以及基于运动物体质心位置和运动物体面积等特征值的运动物体的匹配,对运动物体完成匹配操作后,根据当前的运动物体对卡尔曼滤波器中的参数和运动物体链进行实时的更新,从而完成运动物体的跟踪操作。最后,结合本文改进的运动物体检测方法和基于卡尔曼滤波器的跟踪模型,在MFC开发环境下,利用DirectShow框架实现了各个模块,完成一个视频监控系统原型的开发。通过对原型运行结果的分析和测试,验证了本文所使用的运动物体检测算法和运动物体跟踪算法的可行性和有效性。