入侵目标检测技术是视频分析领域备受关注的前沿方向,也是该领域的研究热点,是保证现代社会公共安全的重要高科技手段和技术。主要内容包括运动目标的检测、分类和跟踪,其中提高入侵检测算法的实时性和准确性对于检测系统顺利完成目标检测和后续的高级处理都有重要意义,论文也是以此为研究目的展开。主要是通过对视频序列的处理,让计算机在不需要人参与的情况下,检测出监控区域内的运动目标,提取目标的活动特征与活动信息,并与预先设定的报警规则相比较,当发现异常行为时则自动产生报警信号,提醒监管人员查看。重点研究了背景模型下入侵目标的检测和目标分类跟踪技术,主要工作有:(1)研究了传统的运动目标检测算法,并在其基础上对运动目标检测算法改进。该算法通过改进的Surendra算法更新背景模型,由Otsu动态阈值背景差分法得到二值图像,然后与三帧差分法得到的二值化图像逻辑“或”运算,对结合后的二值化图像进行数学形态学滤波以去除噪声,最终得到可靠的运动目标区域并在此基础上实时更新背景。实验结果表明该方法提高了目标检测的鲁棒性和实时性。(2)对检测到的运动目标提取特征参数、定义分类准则,根据目标的点表示和矩形框表示相结合的方法,采用多特征的树型分类器,逐层细化分类方法来区分人和车辆;在目标跟踪方面,利用进入监控区域目标的颜色直方图作为特征,采用Camshift算法手动实现对目标的连续跟踪。实验结果表明,该算法能较简便的对入侵目标分类并能可靠地预测跟踪目标的运动轨迹。(3)实现了基于VC++和OpenCV的入侵检测系统的设计,该平台能够实现视频序列的入侵目标检测,并解决了进入监控区域的目标因静止而产生漏报和目标离开场景由于背景更新延时而产生的误报现象。