近年来,随着计算机视觉技术的蓬勃发展,智能视频监控技术逐渐成为一个新的研究热点。它是利用计算机视觉、数字图像处理以及模式识别等技术对监控视频中的内容进行描述、理解和分析,并能根据分析得到的结果有效地控制监控系统的运作,从而提高视频监控系统的智能化水平。智能视频监控技术的主要研究内容包括:运动目标检测、运动目标跟踪、目标识别以及目标行为分析等。智能视频监控技术可以被用于安防事业、医疗看护、交通管理、顾客服务等众多的领域,具有深刻的理论价值和广泛的应用前景。运动目标检测,是指计算机利用智能视频分析技术检测出监控视频中的运动目标,是智能监控系统中的关键技术之一。常用的目标检测算法可分为光流法,帧差法和背景差分法。其中背景差分法是运动目标检测中的主流方法,它是通过将当前每一帧图像与事先存储或实时获取的背景图像相减来提取运动前景区域,如何建立和维护一个有效的背景模型是决定这类检测方法成败的关键。运动目标跟踪作为智能视频监控的又一个关键技术,是指对视频图像中的运动目标进行检测、提取,选择能够唯一表示目标的特征,在后续帧中搜索与该特征最匹配的目标位置,并实时获得目标的运动状态,如目标的运动轨迹、质心、速度、加速度等。其目的是在连续的图像帧间创建基于位置、速度、形状、纹理和色彩等有关特征的对应匹配问题。运动目标跟踪的主要难点是目标的精确提取和目标遮挡问题。本文对运动目标的检测与跟踪这两个基本问题进行了比较深入地研究:在运动目标检测方面,首先,研究了一种基于光照不变性颜色特征的多模态背景建模方法,通过对原算法的颜色相似度匹配方法的分析,本文在YUV空间下重新解释下了颜色相似度匹配方法,并将其应用于背景建模过程中,得到一种鲁棒性较好的前景检测算法。其次,研究了一种基于码书模型的目标检测算法,并针对该算法在前景检测期间不能够适应背景变化的缺点,采用一种阶段性背景更新的方法,使算法对背景的变化具有一定的适应性。然后,对基于纹理特征的目标检测算法进行了初步的探索,取得了一定的成果。在运动目标跟踪方面,研究了一种基于卡尔曼预测的运动目标跟踪算法。首先用前景检测算法得到前景区域并提取出团块,再用卡尔曼滤波器建立跟踪,然后利用最近邻算法找到目标与团块之间的对应关系。实验证明,在目标稀疏的监控场景下,如果目标检测结果较好,该目标跟踪算法基本能够比较准确地跟踪目标。