智能视频监控是计算机视觉领域的热门研究方向和商业应用中的新兴产业,广泛应用于政府机关、银行仓库、小区医院等一些智能安防需求较多场所的实时监控。智能视频监控主要是利用计算机视觉技术来对摄像机的视频流进行处理、分析和高级理解,在不需要人为干预的情况下,通过分析图像序列对监控场景中的变化进行检测、识别和定位跟踪,能在异常情况发生时及时发出警报或提供有用信息,有效地协助安全人员处理突发性危机,减少人力、物力和财力的投入,并最大限度地降低误报和漏报现象。本文在前人研究的基础上,对智能视频监控领域中的人体运动的目标检测、图像分割与目标跟踪作了一定的研究和探讨。(1)在人体运动目标检测方面,讨论了当前主要运动目标检测技术和算法,并对现有的方法进行了编程实现和原型系统数据分析。重点讨论了单高斯模型、混合高斯模型和非参数模型估计三种背景建模算法的主要内容和思想,接着通过实验来对检测的性能进行评价,并分析比较各自的优缺点和效果。(2)在人体运动图像分割方面,提出了采用坐标映射分割算法对运动目标进行快速分割。首先介绍了几种常见的运动目标分割算法：基于像素灰度值的分割算法、基于区域的分割算法、基于边界的分割算法,在此基础上采用坐标映射分割算法对运动目标进行分割,该算法充分利用了运动目标检测的结果,计算复杂度低,速度快,能够较准确的分割出目标区域。(3)在人体运动目标跟踪方面,提出了采用基于改进CamShift算法和Kalman滤波器相结合的快速运动目标跟踪算法进行跟踪。首先对视频监控中的目标跟踪的基本原理进行讨论,再介绍几种经典跟踪算法及它们的优缺点,重点探讨MeanShift算法基本原理及MeanShift算法在目标跟踪中的应用,在此基础上针对MeanShift算法的不足,采用了基于改进Camshift算法和Kalman滤波器相结合的快速运动目标跟踪算法。对实验结果进行分析对比,该算法有较好的跟踪效果,并且跟踪效率也较为理想。