安全问题日益引人关注,视频监控系统成为一种流行的安全保障设备。传统的视频监控缺少智能功能,而很大程度上依靠操作人员来完成视频的分析和监控的目的。这样的系统会给操作员很大的负担,既不方便也不能保证监控的可靠性。本文介绍的研究工作的目的就是利用模式识别和计算机视觉的技术,来为监控系统提供智能的辅助功能,使得监控系统更方便使用,也更可靠。本文采用了基于跟踪的系统框架,并利用背景建模的方法,配合静止摄像机来检测视野中的运动物体。采用的模型是混合高斯模型。在检测的基础性上,利用块匹配的方式,即通过比较当前帧检测到的前景块和已跟踪到的目标的模型,来实现目标的跟踪。为了得到好的效果,本文提出了创新的融合了外观模板和局部特征的混合模型。将基于codebook的目标检测方法融入到了目标跟踪之中,凭借更多的跟踪线索和两种模型之间的相互协助,得到了很好的实时跟踪效果。为了分析跟踪得到的信息,给出视频分析的结果,本文采用了两种方法。一是直接定义规则来描述异常行为,并在跟踪过程中检测这些特定的情形;另一种方法是使用统计方法寻找轨迹中的罕见情况,作为异常轨迹。对于第二种方法,本文研究了基于编辑距离的轨迹相似性度量和利用高斯模型进行在线聚类的方法。在实验中这些方法的预期效果都得到了验证。为了监控系统本文还研究了如何在不同的跟踪轨迹甚至不同的镜头中匹配识别同一个行人目标。本文采用了在图像检索和分类中常用的bag-of-features方法,并利用支持向量机来获得较好的分类效果。同时本文提出了一种自动区分未知类别的方法,来实现在线运行所必需的分类器自动更新。所有的设计和算法都通过编程在实际系统中测试和验证。