智能视频监控作为模式识别领域的重要分支，人们对它的研究与应用越来越广泛，其主要研究的是视频中的运动物体，对运动目标进行检测、识别和跟踪。而人作为视频中最受关注的运动目标，通过对其进行行为分析，可给监控者提供可靠、及时的信息，为人们对异常事件做出快速的反应提供依据。视频中行人的检测与跟踪技术是这一切的基础，只有有了准确、鲁棒的行人检测与跟踪算法，才能为后续的人体动作识别、人群异常事件检测等提供可靠的保障。因此研究视频中的行人检测与跟踪算法具有重要的现实意义。本文研究了前景提取算法、目标检测算法以及目标跟踪算法，并提出了相关的改进，主要的研究成果如下:　　1)本文在VIBE前景提取算法的基础上，加入了前景增强模块、阴影消除模块和自适应参数优化。改进后的VIBE算法在Change Detection Challenge公共数据集上与原VIBE算法进行实验对比:与原VIBE算法相比，改进后的VIBE算法在维持计算时间不变的前提下，得到的结果噪声点和前景空洞明显减少，改进后的VIBE增强算法在各项指标上都表现的更加优秀。　　2)在目标检测模块，本文引入了CENTRIST特征，并在原有精准分类器的基础上再串连一个简单分类器基于CENTRIST特征的核进行分类，得到行人目标;在肤色检测方面本文融合了基于二次多项式的肤色检测模型和基于高斯核的肤色检测模型，实验表明融合后的结果在不同的光照场景下均能较准确地提取肤色。　　3)最后本文引入多特征的方法改进了压缩感知目标跟踪算法(CT)，对比于只引入检测反馈的跟踪模块，实验发现多特征综合决策压缩感知算法比压缩感知跟踪算法无论是在准确率和鲁棒性上都有更好的表现。