随着人工智能、云计算和大数据新一代信息技术的迅速发展,信息化成为煤矿企业的发展趋势。煤矿井下监控视频的目标检测和目标跟踪,作为井下目标行为分析和理解的手段,成为煤炭安全生产的研究热点。煤矿井下特定环境中目标检测和跟踪方法的研究,可为煤矿安全生产提供新的技术支持和有效保障。本文首先对井下视频图像的预处理算法进行改进,然后在改进的预处理算法的基础上,对传统的混合高斯模型目标检测算法进行研究,使之适用于煤矿井下环境,最后通过改进的CamShift目标跟踪算法,对井下运动目标进行跟踪。研究内容有以下三个方面:（1）井下视频图像预处理。煤矿井下由于灯光昏暗、煤尘、水雾以及传输设备故障等问题导致井下视频图像对比度和清晰度低、噪声大。为了解决此问题,使用小波变换结合改进的暗通道去雾算法,对井下的视频图像进行预处理。改进的算法提高了井下图像的对比度,在保存图像细节信息的同时达到了良好的去噪和去雾效果。（2）井下视频目标检测。在煤矿井下目标检测时仍存在忽略像素点间的相关性导致算法运算效率低下、检测算法低效引起的检测结果图像中出现“空洞”、光照突变导致检测不准确以及模型相关阈值固定导致模型更新不准确等问题。为此本文提出了改进的混合高斯模型目标检测算法。首先对视频使用改进的块建模算法,然后通过前景在背景图像中所占的比例设计混合高斯模型自适应学习率,并结合三帧差分法抑制了光照对检测的影响。改进后的算法提高了高斯建模的速度和准确性,抑制了光照变化对井下目标检测的影响。（3）针对井下运动目标的跟踪,提出改进的CamShift算法。通过降低搜索区域背景颜色的色彩值,增大目标和背景之间的颜色差值,抑制颜色相似背景对目标跟踪的干扰,使用卡尔曼滤波算法结合CamShift算法,预测及跟踪井下视频运动目标位置。该方法可有效克服前景目标与背景颜色相似的影响,提高井下目标跟踪的准确性。