运动物体检测是计算机视觉的前提,它是利用图像处理和模式识别的技术,通过对视频序列进行图像处理来对其中的运动物体进行检测、定位,进一步可能还会识别和跟踪,并在此基础上自动分析判断目标的行为属性,对可疑行为发出预警。而运动物体检测作为智能视频监控技术的关键性基础工作,已经得到了相当广泛和深入的研究。但是目前国内外大都还只停留在背景相对简单的固定场景中的运动物体检测算法的研究上对背景复杂的动态背景研究还不是很充分,而现在由于人们生活的周围环境复杂多变,视频监控场景中的不确定因素越来越多,所以现在视频监控系统面临的主要挑战就是在复杂背景下如何准确有效地检测出运动物体。本文的主要内容就是基于复杂场景下的运动物体检测和跟踪算法的研究。文章首先介绍了经典的运动物体检测算法及其面临的主要困难,然后在此基础上提出了一种改进的高斯混合背景建模算法,改进算法针对高斯混合模型的不足,把视频场景中的物体分为三类：背景、中间景和前景,首先用高斯混合背景建模建立背景,然后检测出中间景和前景,然后分割中间景和前景,最后再把中间景更新到高斯混合模型中,这样就很好地克服了场景中动态背景的干扰,使检测结果准确而干净。实验结果表明,该改进算法效果提升明显,能有效滤除动态背景的干扰,达到了预定目标。本文最后还介绍了运动物体跟踪算法的研究现状。运动物体检测完成以后,由于可能出现下一次检测失败的问题,所以需要进行跟踪定位。本文首先介绍了运动物体跟踪算法的基本原理以及一些主流的跟踪算法,然后着重研究了基于Kalman滤波的运动物体跟踪算法,最后实现了基于Kalman滤波利用运动物体运动属性的运动物体跟踪算法。