在计算机视觉中，运动目标的检测与跟踪是智能视频监控最重要的技术之一。智能视频监控可以在无人工处理的情况下，自动完成对图像序列中运动目标的检测、提取、定位、跟踪和识别。在现实中，大量有意义的视觉信息都包含在运动当中，因此对运动目标的检测与跟踪便成为人们研究工作的重点，本文围绕视频监控中的运动目标检测与跟踪算法进行了研究。首先，论文介绍了视频监控技术在国内外的发展和研究现状，以及视频监控技的应用领域、技术难点和发展方向。其次，论文给出了视频图像的常用预处理方法。由于视频监控中运动目标的检测与跟踪是建立在对图像序列中感兴趣的区域的提取和分析的基础之上的，因此文中对图像预处理中的各种图像分割、图像滤波、图像运算等技术进行了简要的介绍。再次，论文提出了一种改进的混合高斯模型参数更新方法。针对常用的运动目标检测与跟踪方法，论文做了详细分析，包括运动目标检测中的经典算法的光流场法、帧差分法、背景差分法等。在运动目标检测方面，针对均值和方差的不同特点采用不同的学习率，这种改进的学习机制使均值的收敛快速而准确，方差的收敛较快且比较平稳，实验表明，该算法能达到较好的前景检测效果。第四，基于经典均值偏移算法提出了一种基于空间位置特征和均值偏移相融合的目标跟踪方法。该方法引入空间方位信息并据此对运动目标在下一帧中的目标方位进行预测；根据目标在任一时刻的物理运动特征预测得出的目标方位1以及根据经典均值偏移算法得出的目标方位2；将上述目标预测方位进行加权融合后得到最终实际方位。实验表明，该算法能有效提高目标匹配精度和跟踪精度。最后，论文针对复杂环境下的目标跟踪问题进行了深入研究，将尺度不变特征提取与快速模板匹配相结合，仿真实验表明，该算法能较好的解决目标跟踪中光线变化和遮挡等问题，并具有较好的实时性。