运动目标检测与跟踪是智能监控的一个重要研究方向,它为更高层次的智能视频分析奠定基础。近年来兴起的GPU通用计算为提高数字图像算法的处理速度提供了一种有效方法。本文采用GPU加速数字图像处理,以提高运动目标检测与跟踪系统的实时性。本文主要工作如下：(1)回顾了GPU通用计算技术,介绍了NVIDIA公司推出的CUDA并行计算架构,使用CUDA架构使得GPU能够解决复杂的计算问题。(2)本文研究了三种运动前景提取算法,包括单高斯模型、高斯混合模型和ViBe模型,分析了三种算法的优缺点。同时,论文分析了高斯混合模型和ViBe模型的特点,给出了两种模型的CUDA并行实现解决方案,并与这两种模型的CPU平台实现进行了实验对比分析。实验结果表明,基于CUDA的实现方法比CPU实现方法在处理速度上快1-7倍。(3)介绍了三种阴影抑制方法,并对三种方法进行了实验比较和分析。同时,给出了两种阴影抑制方法的CUDA实现方案,并与这两种方法的CPU平台实现进行了对比分析。论文也讨论了形态学滤波技术,给出了膨胀操作和腐蚀操作的CUDA实现方案,获得了比英伟达NPP库函数更高的加速比。(4)研究了数据关联算法,重点介绍了联合概率数据关联算法。结合背景建模、阴影抑制和形态学滤波等技术,给出了基于运动检测和联合概率数据关联的多目标跟踪算法,并对跟踪算法进行了测试。另外,本文采用GPU加速跟踪算法,获得了一定的速度提升。