随着视频信息处理技术和网络技术的飞速发展,开发、利用监视视觉信息成为了一种不可避免的趋势。智能化监视视频的传输、分析、存储与检索、以及与其他控制系统无缝集成等,均依赖于对场景语义视频对象的处理。本文以语义视频对象为中心,研究公共安全监视中语义视频对象检测、跟踪以及监视系统与其他子系统在对象层次上的互操作等问题。本文分析了视频监视系统智能化的技术要求;回顾了运动对象的分割、跟踪,以及运动阴影检测的发展状况;阐述了BACnet协议作为智能控制系统通信平台,缺少基于监视视觉信息的系统互操作手段。本文根据监视应用的不同语义抽象,建立了三种不同的监视语义抽象:运动对象、运动阴影和运动blob。每个语义视频对象的属性包括图像的像素特征和语义特征。用这些属性构成语义描述符,以一种简洁的形式表达监视视觉数据。针对复杂场景中背景的不完整性、随机噪声以及目标运动快慢不一等影响背景估计的因素,本文提出了一种基于时空相似度量的复杂场景背景估计方法。首先度量同一位置不同时刻子块的相似性矩阵,然后度量候选背景子块的空间相似性,从而判别最可能的背景子块。该方法对噪声、运动目标速度有较强的适应性,计算代价较低。本文提出了一种基于反射率相似子区域分析的运动阴影抑制方法。算法通过分析反射率相似子区域中的环境光照特征和边缘能量信息,从而区分运动对象及其跟随的运动阴影。该方法对于室内投射阴影检测较为有效。本文提出了一种基于语义交互的运动对象跟踪算法。算法将运动人体初始化为头部、躯干和下肢等运动blob,表达为相应的blob描述符。通过投影blob描述符,更新、验证运动对象,实现对运动对象的跟踪。算法利用改进的快速高斯变换计算各个运动blob,并选择参与估计的目标数据和源数据样本,以降低计算代价。该跟踪方法处理简单、计算代价较低,能较好地处理不同运动对象之间的部分遮挡问题。本文首次提出了一种BACnet视频对象模型及视频点操作服务,实现了监视系统与其它控制系统之间在对象层次的互操作,并在此基础上搭建了基于场景事件的楼宇视频监视应用方案。为了使用户能够在复杂的楼宇分布控制系统中合理地部署系统智能,本文采用FIPA平台构建了一种多主体多服务器结构模型,充分考虑所集成子系统内部和子系统之间的请求信息交互,给出了主体的核心结构及主体间服务请求的控制管理方案。