视频监控在国土安防、海防、民用等领域有着广泛应用。然而，以摄像机为核心的视频监控系统普遍存在着监控范围小、监视盲区多、目标定位跟踪困难等问题，显然不能满足现代安防监控的智能化需求。为了实现对视频监控目标的实时定位和跟踪，论文结合雷达系统抗干扰能力强、监测范围广的特点，设计并实现了雷达引导的具有自动发现目标和智能定位跟踪能力的视频联动监控系统。
　　论文首先建立了雷达引导的视频联动监控模型，并在此基础上提出了运动目标定位算法。该算法根据雷达实时反馈的目标信息，自动计算运动目标在系统联动模型中对应的摄像机方位角和俯仰角，从而引导摄像机准确锁定目标并实时追踪监控。
　　针对一个摄像机监控场景中常常同时出现多个目标的情况，论文提出了多目标自动选择算法。该算法将目标的离散程度、接近速度及其与警戒区域之间的距离进行加权融合，对优先级别最高即权重最大的目标实施重点监控。
　　为解决视频监控中目标跟踪准确度低、易发生偏移和丢失等问题，论文研究了均值漂移（MeanShift）算法与无迹卡尔曼滤波（UKF）算法的原理、跟踪过程及特点，并结合二者优势，提出了UKF与MeanShift结合的目标跟踪算法。该算法以UKF算法预测的位置为当前帧搜索窗口的初始位置，采用MeanShift算法对该初始位置的邻域预测和估计，实现了准确地目标识别与连续跟踪。
　　实验结果表明，论文提出的目标定位算法对行人与车辆能够实现准确定位；多目标选择算法可以有效地在复杂环境中选择出最佳的监控目标；目标跟踪算法相对于MeanShift算法和UKF滤波算法具有较好的自动跟踪效果，具有良好的准确性、实时性和鲁棒性。
　　最后，论文分析了视频监控系统的功能需求，采用网络视频接口管理技术、H.265编解码技术、流媒体传输等技术，设计了雷达引导的视频联动监控系统的体系架构和监控流程，实现了数据采集存储、实时预览、录像回放、报警功能以及联动监控界面与云台控制界面，并验证了论文提出的模型和算法。
　　论文利用雷达系统监测范围广、不受光学条件影响的特性，突破了摄像机光学能见度与可见区域的限制，解决了目标定位跟踪不准确的问题，实现了全天候、全天时、全方位、远距离的视频安防监控，可广泛应用于边境、油田、海岸等地理位置复杂、分布范围较广的无人值守区域的重点监控，推动了安防监控领域的智能化进程，也为人工智能技术在视频监控领域的深入应用奠定了基础。