计算机视觉通常是指计算机通过控制和应用传感器等设备对周围的环境进行获取的过程，然后对获取的视觉信息进行后期加工，包括表示、压缩、分析、处理、储存等，进而实现人类视觉所具有的“看”的功能。近年来计算机技术、光电技术和自动化技术的飞速发展，促成了计算机视觉系统的出现，同时随着人类生产生活需求的不断提高，视觉化、智能化的解决方案也越来越广泛的应用于工业生产、医疗和军事等领域，计算机视觉技术已经成为各国研究者关注和研究的热点。对计算机视觉系统的研究无论是在理论研究还是实际应用方面都有巨大的价值和意义。

智能视频监控技术是近年来计算机视觉研究领域中新兴的一个研究方向。它的主要研究目标是利用计算机视觉技术、图像视频处理技术和人工智能技术对监控视频的内容进行描述、分析和理解，并能根据分析的结果对视频监控系统进行控制，从而使视频监控系统具有较高层次的智能化水平。它的主要研究内容包括：监控视频运动目标的检测、目标的跟踪、目标的识别和目标的行为分析等。 　　本文分别从画面的前景物和背景物进行阐述，针对目前常用的各种运动目标检测方法进行分类比较，提出了一种零均值归一化互相关的方法作为运动目标检测的理论依据。

智能视频监控技术是近年来计算机视觉研究领域中新兴的一个研究方向。它的主要研究目标是利用计算机视觉技术、图像视频处理技术和人工智能技术对监控视频的内容进行描述、分析和理解，并能根据分析的结果对视频监控系统进行控制，从而使视频监控系统具有较高层次的智能化水平。它的主要研究内容包括：监控视频运动目标的检测、目标的跟踪、目标的识别和目标的行为分析等。 　　本文分别从画面的前景物和背景物进行阐述，针对目前常用的各种运动目标检测方法进行分类比较，提出了一种零均值归一化互相关的方法作为运动目标检测的理论依据。

具有实时检测、跟踪和分析判断的智能化监控系统是智能化监控系统发展的必然趋势，本文提出一种在实时监控下检测和跟踪运动目标的方法，首先使用背景差分法检测出运动目标，并定期使用背景更新策略对参考背景进行局部更新，这样可以提高目标检测的精确度。目标跟踪时在不同的尺度空间获得目标的关键点，增强算法目标在遮挡情况下的鲁棒性，接下来使用 mean shift 算法估计目标在下一帧的位置。采用IBM 研究中心的测试视频序列对本文的方法进行了测试，实验结果表明，该方法是有效可行的。