随着人们安全意识的增强,越来越多的地方用到了视频监控设备,然而传统的视频监控设备需要专门的操作人员长时间观察发现异常情况,这不仅浪费了很多人力,而且有时操作人员不免发生一些错误问题。智能视频监控越来越受到中外学者的关注,并且在各个方面取得了很大的进展。在阅读了大量文献资料的基础上,论文对智能监控系统中视频图像处理的关键技术进行了研究。主要内容有背景模型建立,运动目标检测和运动目标跟踪。论文对混合高斯模型和Bayes分类法建立背景模型进行了较深入的研究,这两种方法能克服背景模型建立中的不确定因素,如光线变化,树枝摇晃,背景物体位置改变等对背景模型的影响,特别适合室外复杂环境,大量实验证明了其有效性和鲁棒性。在建立合适的背景模型基础上,论文对运动目标检测与跟踪算法进行了研究。利用背景减除法得到运动目标,再通过对运动目标的连通性分析得到每个目标的具体位置大小等信息。利用目标物的颜色信息,采用Mean Shift跟踪和“粒子滤波器”跟踪两种算法,能有效解决多个运动目标跟踪的问题,论文通过对大量视频图像的实验,分析比较两种算法的特点与不同,得出了Mean Shift方法在跟踪颜色差别较大的物体时显示很好的稳定性而且运算速度快,“粒子滤波器”能准确跟踪复杂场景中运动目标的结论。大量的实验结果表明,本论文研究的建立背景模型的方法和运动目标检测与跟踪的方法具有较好的快速性,稳定性和鲁棒性,在视频监控系统中具有重要的应用价值。