智能视频监控是利用计算机视觉和图像处理的方法对摄像机拍下的图像序列进行自动分析,实现对场景中运动目标的定位、识别与跟踪,并在此基础上对目标的行为进行分析与判断,从而既能完成日常管理又能在异常情况发生时及时发出警报。本文首先对单运动目标跟踪技术进行研究,采用连续跟踪稀疏检测的跟踪框架来平衡计算精度与计算代价,通过在线跟踪来满足实时性的需要,设计并实现单运动目标的跟踪系统；然后研究了在遮挡条件下多运动目标跟踪技术,主要是解决各类遮挡检测与处理问题；最后在单运动目标跟踪系统的基础上增加了行人自动检测模块、遮挡判断模块及遮挡处理模块。本文的主要工作和成果如下：1.针对传统的Mean-shift算法在背景与运动目标颜色相似时目标跟踪丢失问题,提出了一种改进的Mean-shift算法。该算法是利用跟踪区域在邻域的直方图的反投影,寻找跟踪区域内概率较小的连通区域进行跟踪,提升了跟踪的准确度。2.提出了一种将改进的Mean-shift算法与Kalman滤波器融合的运动目标跟踪算法。该算法可对跟踪加入运动目标状态预测,并用预测位置作为Mean-shift迭代的初始位置,减少迭代次数。3.设计并实现了单运动目标跟踪系统,其中为了增加跟踪的准确性,还将角点跟踪、基于在线多示例学习的目标跟踪算法有机融合到系统中。4.相对于单运动目标跟踪,多运动目标跟踪研究的更多的是遮挡检测及遮挡处理的方法。根据跟踪目标被遮挡的程度,采用整体跟踪和局部特征跟踪有效结合的方式。提出了一种计算场景遮挡物遮挡边界的算法。5.多目标跟踪系统在单目标跟踪系统的基础上增加了行人检测模块,遮挡检测模块和遮挡处理模块。6.做了大量实验来评估改进算法的性能,实验结果表明,本文提出的算法对于普通的多运动目标监控场景跟踪结果的准确性及实时性基本满足实际需求。