随着人类智能时代的到来,传统的监控系统已无法满足人们对监控系统的需求,各类智能监控系统应运而生,基于目标检测和跟踪的智能监控系统是其中的一个重要分支,在公共安全、家庭防盗等场合发挥着巨大作用。基于目标检测和跟踪的智能监控系统能够实现全天候自主监控,同时对监控视野中人或物的行为做出智能识别并做出行为分析。当认定目标行为异常时,能够自动报警并做出应急措施,同时自动锁定目标,并记录目标运动轨迹,为后续调查事故原因和警方抓捕犯人提供便利。本文以智能监控为主线,围绕运动目标检测和跟踪算法展开研究工作。主要内容如下:(1)阐述了智能监控在国内外发展状况与未来发展趋势,介绍了目标检测常用的算法,深入分析了算法的理论基础和工作过程,分析了各个算法的优缺点,并做出了仿真实验;深入研究学习了Mean Shift跟踪算法、TLD(Tracking-Learning-Detection)跟踪算法和卡尔曼滤波器跟踪算法,详细讲解了其工作原理和流程。(2)通过分析各个算法的优缺点和适用场景,得出了一种算法很难在不同的监控环境中都取得良好的跟踪效果的结论。因此,本文针对监控系统的需要,结合各算法的优缺点,提出了将卡尔曼滤波和TLD跟踪算法相结合的基于卡尔曼滤波的TLD跟踪算法,通过实验对比,验证了该算法具有更好的准确性和鲁棒性。(3)设计了智能监控系统的硬件和软件,完成了系统窗口的搭建,并成功将目标检测和跟踪算法移植到以Cortex-A9为核心处理器的开发板中,并针对移植到系统平台后实时性不足的问题提出了算法改进方案,实现了系统设计的预期功能。通过对系统在实际场景中的整体测试,结果表明该系统具有较高的智能化和稳定性,符合新时期智能监控系统发展需求,具有较高的社会价值和应用前景。