随着视频安防的不断发展,监控视频数据呈现爆炸式的增长。面对海量的监控视频数据,我们迫切需要智能化的监控系统。智能监控系统中的一个核心问题是如何对海量的视频数据进行高效地查询和分析,而视频结构化描述(VSD)是解决这一问题的核心技术。视频结构化描述是一种将视频中有用信息组织成可供计算机和人理解的文本信息的技术。目前,视频监控数据大部分是由静态摄像机获取的,同时运动目标往往是这些监控视频中最为重要的有用信息。因此,如何有效地对静态背景下运动目标进行结构化描述是一个有重要应用价值的问题。本文针对静态背景下的监控视频数据,深入研究了监控视频中分立目标结构化的问题。具体工作和研究内容如下:第一:在通过运动检测和团块提取的基础上,本文提出了一种基于模糊关联矩阵的分立目标关联算法。该算法首先使用重叠比例和质心距离建立两个单因素模糊评判矩阵,对上述两个模糊评判矩阵进行加权,得到模糊关联矩阵,然后以模糊关联矩阵为依据,对不同的视频目标运动情形,给出了一组分立目标关联的推理和判决策略,实现了非交汇情形下的分立目标关联。第二:针对视频中分立目标交汇时,推理策略无法实现分立目标关联的问题,本文提出了一种基于局部预测和运动加权的Mean Shift分立目标区域关联算法。首先,根据分立目标进入交汇前多帧的平均运动速度对分立目标在交汇区域中的位置进行预测,并以此作为均值漂移迭代的起点;然后,利用运动团块信息对Mean Shift算法进行加权,减少搜索区域中背景信息对Mean Shift算法的干扰,提高Mean Shift算法对运动目标跟踪的准确性,进而得到更加准确的交汇区域中分立目标关联结果。第三:在上述研究的基础上,本文设计了一种基于分立目标的监控视频结构化描述,并在Matlab编程环境下设计了一个基于分立目标的监控视频数据结构化实验系统,实现了监控视频的结构化以及分立目标的查询与浏览等功能,验证了本文提出算法的有效性。