智能视频监控系统将计算机视觉技术融入视频监控系统,对视频数据流进行图像处理、目标分析等工作,判断目标的动作,自动检测、跟踪目标并进行相关记录,使计算机代替人进行监控,给予视频监控系统智能性,变被动监控为主动监控。多目标跟踪技术是智能视频监控系统的核心技术,其研究涉及到传计算机图像处理、模式识别、人工智能及自动控制等诸多相关领域的知识,已开始得到科研工作者、政府和商家的重视,有着十分高的应用前景和研究价值。智能视频监控系统下的多目标跟踪技术对系统的实时稳定运行要求高,如何实现适应各种复杂场景、鲁棒性高、实时性强的多目标跟踪技术已经成为目前研究界急需解决的问题。本文重点研究智能视频监控系统下的多目标跟踪技术,主要的工作与创新之处如下：1.提出一种帧差法和背景差法融合的运动目标检测算法。在该算法中,针对帧差法的实时性高、对光照适应性强的优点和背景差法能检测出完整运动目标的优点进行了融合,并利用帧差法得到的中间结果来进行自适应背景更新；然后提出了一种自适应迭代阈值计算的方法,在进行运动区域二值化后,使用运动目标分割算法将多个运动目标进行分割。理论分析和实验表明该方法有效的提高了检测率和鲁棒性,得到了很好的多运动目标检测的效果。2.针对智能视频监控场景的复杂变化的情况下,提出一种多特征联合的特征提取方法,该方法利用跟踪算法针对每种特征求出相应的跟踪中心点,利用特征向量之间的相似度测量标准来计算每种特征的相应权值,最终组成联合特征完成目标跟踪。该方法提取的特征相对于传统的单独特征有着更好地鲁棒性。3.提出一种改进的Meanshift算法来实现目标的跟踪,解决目标大小变化和遮挡的跟踪问题。针对智能视频监控场景景深,目标会随着离摄像机距离的远近而产生大小的变化的问题,提出一种基于尺度空间的Mean Shift算法,来自适应的对变化大小的目标进行跟踪。该方法有效的解决了目标大小变化导致目标丢失的问题。同时,针对多目标跟踪中的目标遮挡问题,提出一种基于Kalman滤波器的遮挡补偿算法,该方法在一定程度上解决了目标遮挡带来的问题。4.实现了一套多目标跟踪原型系统。该系统有效的运用了本文的算法,实现了智能视频监控的工作,达到了良好的效果。为以后研究工作的实验测试提供了系统框架。