智能视频监控是在不需要人为干预、处理的情况下就能对视频信号进行智能的分析和理解,将人解放出来,使视频监控系统具有和人一样的智能。在航天航空领域,复杂且狭小的太空舱空间中,航天员与舱内仪器设备共处于微重力的环境下,存在很多不确定因素。因此,研究航天员的运动和姿态行为,对航天员在空间舱内进行仪器操作以及维修,工作负荷以及多人间的协作是否顺畅等多个问题上,我们都要做深入研究,这些问题不但关乎航天员实际工作,且可以优化航天舱的设计,对提高航天员的实验操作能力也有着很重要的意义。因此,针对这些问题,我们建立一套视频监测系统,展开对太空舱内航天员的运动参数的采集,包括对航天员的快速检测,姿态估计以及航天员运动轨迹的跟踪,提出了基于分层模型的由粗到细的目标快速检测算法,基于多视图分割的目标姿态估计算法,基于水平集分割和上下文信息的目标跟踪算法,以及基于CRF模型的跟踪框架。为航天员运动参数的采集提供可靠的依据,并展开地面模拟实验,进一步验证实验的可靠性。本论文主要研究内容如下:第一,通过对复杂动态场景中运动目标的研究,针对变形目标检测,提出基于分层模型的由粗到细推理快速目标检测方法。建立了一个新的分层模型,在特征层,引入条件随机场模型进行预分割,提高选取候选特征区域的准确性。部件层,通过规律细分和根部件递归得到。由粗到细的推理算法,从低分辨率的部件开始匹配。实验证明本论文提出的检测方法有效的提高了检测速度,并具有较高的检测准确率。第二,通过对复杂动态场景中运动目标的研究,针对目标姿态的估计,提出基于多视图分割和图模型的目标姿态估计方法。首先采用图结构模型(PS)将人体划分成N个部件,再将各个部件结合起来表示各种姿态。然后利用多视图鲁棒分割(最大的后验马尔可夫随机场(MAP-MRF)),实现多人姿态估计。此外,还采用新颖的形状先验结合原有估计姿态和形状,来分割图像中的人体,从而降低了分割的模糊度,并且提高了姿态估计的准确性。实验表明本方法能有效地进行人体姿态估计,并在人与人之间存在遮挡和互动的情况下能获得鲁棒的姿态估计结果。第三,通过对复杂动态场景中运动目标的研究,发现目标存在多关节且非刚性问题,针对这个问题,为了有效地获取目标的特征,我们对目标进行精确的目标分割,并提出融合上下文信息与水平集多区域分割的方法进行多目标跟踪。首先:在分割阶段,提出了两方面的改进。其次:在跟踪阶段,提出了通过使用上下文信息来建立两个辅助项。这两项在核实真正的目标上,发挥了重要作用。实验在现实场景中采集视频,并进行了大量的实验,证明使用本论文提出的方法使得跟踪准确性有所提高。第四,通过研究学习目标轨迹间的类同性和依赖性,针对多个目标跟踪存在遮挡等问题,提出了建立CRF模型框架实现多目标跟踪。此方法通过逐步联合检测响应来达到长距离的目标跟踪。同时加入聚类模块和轨迹检测模块提高跟踪结果的准确性和跟踪精度。实验表明该方法能对多个目标进行有效的跟踪,并对跟踪中出现的遮挡具有一定的鲁棒性。最后,根据本课题的设计思路,构建了系统仿真实验平台,并在实际场景中对本文提出的算法进行了测试。实验结果验证了算法的可行性与有效性。同时还对本论文的研究方法进行了展望,通过研究目标跟踪和检测方法,发现这个领域还有很多值得深入研究的点,通过改进可以进一步提高检测的精度和跟踪的准确性和实时性。今后拟在算法优化方面进行改进从而对方法本身进行优化;另外针对目标的遮挡和变形以及跟踪场景复杂等问题,采用更新颖的方法和手段从硬件和软件两方面着手来提高跟踪的鲁棒性。