基于网络的智能视频监控系统,凭借其对场景中目标的定位和行为分析能力,以及便捷实现远程监控的能力,撼动传统视频监控技术的坚实根基,一举打开应用市场。在军事、工业流水线、博物馆、银行、机场、铁路线、居民小区等场所,都有着大量的需求和广泛的应用。这些架设起来的智能视频监控设备,正全天候、无盲点的保卫着公共安全。算法,是智能化的视频监控系统的核心部分。它们完成了对监控场景中目标的提取、跟踪和行为判定。从最基础的物体分割,到丢包、徘徊、越界分析以及多摄像头切换下的同一物体锁定,这其中,涵盖了大量的算法处理策略。运动目标检测算法,则是所有上层处理策略的基石。为了检测出目标物体,以供后续处理,研究人员提出了一系列方案,例如:多帧平均算法、光流场算法、背景差分算法等。混合高斯模型是一种广泛使用的背景差分法。算法依托其自身多模型和在线更新的特性,适应场景渐变,克服树枝周期性扰动带来的种种影响。然而,一方面传统的混合高斯模型检测出的二值图像,存在较多噪声和空洞,导致过度分割的发生;另一方面,不能处理阴影的缺陷,让提取出的二值图像边缘模糊、误检严重,物体间因为阴影导致的融合现象非常多。这些问题都将直接影响后续处理。文章通过在经典混合高斯模型中加入阴影抑制算法,减少阴影干扰,增加目标物体提取准确度;并加入马尔科夫随机场,通过基于邻域信息的二值图像修正,减少目标物体过度分割现象,同时也提供了一种自适应门限策略。算法性能的评估,在算法研究中同样占有重要地位。基于VIPER(video performance evaluation resource)的目标提取算法评估方法,从查全率和查准率、单帧处理结果和统计结果等多个角度,定量评测算法性能,科学严密的反应了算法的处理效果。目标检测算法要得到实际应用,需满足一定的指标。在DSP(Digital Signal Processing)硬件平台上实现时,要经过大量优化。文章从算法和软件层面,以及基于硬件架构层面展开优化。充分运用缓存、流水等机制及运算处理、定点化等策略。经优化后的算法,其处理时长,仍会随各帧前景物体像素数差异而出现波动。利用算法耗时平衡策略可解决此问题,使算法达到时间意义上的稳定。