智能摄像机具有成本低廉、部署方便、本地处理以及无线传输等优点,是未来构建大规模智能监控系统的关键部件。然而,基于智能摄像机的目标检测跟踪算法,面临着内存受限、处理能力有限及能源有限等诸多挑战,如何为此类嵌入式设备设计轻量级的目标检测跟踪算法成为一大研究热点。本文针对适用于智能摄像机的目标检测与跟踪算法开展了深入的研究,取得了如下研究成果:1)智能摄像机资源受限情况下的轻量级目标检测算法研究。针对智能摄像机资源(内存、处理能力等)受限,本文设计了基于块压缩感知的背景差分检测算法,融合了块级别的差分器和像素级别的差分器,并对算法有效性进行了分析和讨论。在块级别的差分器中,将高维空间中的原图像块向量表示通过压缩感知投影到低维空间中,能够在保证差分器性能的同时降低存储需求。实验表明本文所提出的目标检测算法具有低存储需求、强鲁棒性等优点。2)目标样本有限和存在遮挡情况下的目标跟踪算法研究。面对场景中目标遮挡和目标样本有限的难题,本文设计了基于二值化支持向量机的协同跟踪算法,将生成式跟踪模型和判别式跟踪模型有效融合,提出了Coarse-to-Fine搜索方式。实验结果表明,本文所提出的目标跟踪算法在光照突变、目标被遮挡和存在目标形变的场景中依旧能够保证算法的有效性、实时性和鲁棒性。3)智能摄像机网络平台构建及基于该平台的目标检测算法实现。本文构建了基于SEED-DEC6437的智能摄像机网路平台并在此平台上实现了目标检测算法,同时针对算法自身特点和工程开发软件平台CCS3.3相关优化配置,对目标检测工程进行了优化,确保在DSP上的高效实现。