智能化的视频监控系统(Intelligent Video Surveillance)一直以来都与数字信号处理(Digital Signal Processor,简称DSP)技术、电子信息技术、自动控制理论技术、人工智能技术、网络宽带技术和计算机科学与技术等科学技术的研究和发展息息相关。随着科技的进步,有的智能视频监控系统还会通过云计算,将捕获到的图像进行智能化的自主图像理解和自主视频编码处理,之后通过运营商的支持,将处理好的异常信息通过短信息或者网络的方式发送到监控人员所持有的移动终端上。比如说在大量的视频监控的场景下,视频监控系统只将有异常运动的场景中的信息进行显示,并将它自动发送到监控人员所持的移动终端上。像这样智能化的视频监控体系可以更加高效的提供安全监控。考虑到校园安全的保证工作、交通运输的合理疏导、实时道路交通状况的报道工作、自动取款机前取款人员的人身安全、危险阵地有效勘察监管工作的开展等,我们常将智能化的视频监控系统安装在这些需要的地方。智能化的视频监控系统广泛应用的同时,也对视频监控技术提出了更高的要求,其中异常运动物体的检测就成为了研究和关注的重点。那些在原本的运动场中保持着某种特定状态的物体,当其状态突然发生转变之后,我们便需要对这样的异常运动物体进行检测与跟踪。现如今的检测算法能够基本满足检测场景的需要,但是算法本身存在固有的局限性,算法的执行效率以及复杂度成为了视频监控系统的瓶颈,而且算法的限制也同时影响到监控人员的执行力度。所以我们在这系统中更加需要考虑如下内容：如何在现有的视频监控的基础上去进一步去提高监管人员的效率；视频采集、显示的速度能不能有所提高；视频监控系统能不能更加智能化；视频监控人员可以不受工作场地的束缚等等。在本论文中我们为了能够达到更好的视频监控效果,使用以DM642为核心芯片来搭建了简易的硬件平台,用DM642强大的视频处理能力来解决视频监控中视频数据处理过于庞大的问题。与此同时,我们还借用了OpenCV (Open SourceComputer Vision Library)强大的视觉图像处理的能力来提高在大量视频数据的处理速率,进而加快算法的执行力度,缩短在处理数据中所消耗的宝贵时间。在视频检测算法上面,我们采用了智能化的生物免疫机制算法,即为基于免疫遗传算法去实现在运动场下对异常运动的物体进行实时的视频监控,旨在将视频监控中的工作人员解放出来,降低他们的工作强度。该算法的独特之处就是不再需要像传统算法那样对之前图像序列进行二次处理,它可以利用现有当前某帧的图像为下一时刻单帧图像提供参考,利用免疫遗传的机理来实现视频监控中的图像实时性的更新工作。在实现的过程中,我们先对算法的可行性在OpenCV软件平台上进行了验证,接着将他重新编写移植到DM642开发板之上。在本论文的最后,我们进行了对整个系统进行局部的优化工作,其中包含cache以及内存的分配和CCS优化工具使用等。综上所述,在本论文的研究过程中利用软硬件来搭建简易的视频监控平台,去完成智能化的视频监控系统的功能取得了较好的监控效果,这具有一定的应用价值,同时也为后续实用迈出了重要的一步。