目前,智能视频监控在研究领域和应用方面均面临诸多问题,但同时也取得了不菲的硕果。本文在翻阅大量文献和充分的实验基础上,着重研究了智能视频监控中最为重要的两个步骤：运动目标检测和运动目标跟踪。主要工作内容概括如下：(1)对计算机视觉中常用的LBP纹理特征进行了阐述并且改进了LBP纹理特征描述算子。针对大量视频局部纹理特征为小部分种类LBP算子所描述的特点,合并大量无效LBP算子为一类,并且整合了LBP纹理特征描述算子,使描述视频局部纹理特征的算子种类减少到58种,并且给出58种LBP统一模式所呈现的所有情况,并结合实际应用给出了8位二进制LBP编码到LBP统一模式的转换码表,从而为后续算法的提出和实现奠定了坚实的基础。(2)针对目前运动目标检测算法中普遍存在的问题——阴影检测(阴影抑制),本文结合高斯混合背景模型提出了相应的解决方案,提出了一种结合LBP纹理特征和色度信息的改进型运动目标检测算法,论文对视频背景信息构成进行了细致的研究分析,对经过高斯混合模型处理过的前景信息结合LBP纹理和色度信息进行相关处理,实验发现该方法能较好的抑制阴影对目标检测算法的影响；(3)针对核密度跟踪算法中单一的目标特征检测算法提出了改进方法,提出了一种基于改进型多特征核密度跟踪框架。该框架能适应多种特征下的目标多特征描述,利用各个特征描述建立的目标子模型的线性叠加来表达核密度下的目标模型和候选模型。结合对数似然函数建立了各个特征子模型动态权值的更新方式,优先选择前景、背景区分度好的特征子模型。最后结合本文提出的多特征核密度跟踪框架,利用LBP纹理特征和色度特征描述目标目标模型,实现了多特征融合的核密度跟踪。实验结果表明了算法的有效性。