智能视频监控是机器视觉的重要研究领域，近年来，面向感兴趣区域(Region ofInterest, ROI)的编码方式和基于小波提升(Wavelet Lifting)的快速图像变换成为当前监控视频分析和编码领域的研究热点。在图像视频信息实际应用过程中，人们往往对图像的局部区域感兴趣，在压缩过程中可将感兴趣区域和背景区域做不同处理来提高视频监控整体压缩比。而第二代小波编码——小波提升技术以其时频局部化、能量集中、计算量小、可实现整数运算等优势被广泛的运用于图像视频压缩领域。本文通过对运动目标检测、感兴趣区域编码和基于小波提升的图像变换的深入研究发现原有的运动目标检测技术不能适应场景的局部突变，并且需要大量信息计算和存储。而在目前的视频监控系统中，监控摄像头一般都在固定视野范围内，其背景信息相对稳定，在编码过程中只需要提取出前景运动信息，对前景信息进行压缩编码，而对于每帧包含相同背景的图像在一定时间内只需保存一次，如背景出现变化，也可以自适应更新。如用传统的图像视频编码方式，压缩比很难提高。从而本文进行了从感兴趣区域的生成到最终码流封装的一系列研究。本论文的主要工作包括：(1)提出了一种基于视觉记忆框架的运动检测方法。针对传统高斯背景建模的不足之处，本文算法为每个像素点设置一个聚类模型，每个聚类可根据背景的变化结合人类记忆框架自适应地创建、更新和删除。通过人类瞬时记忆、短时记忆和长时记忆做出准确判断，运动目标检测结果更能符合人类感觉器官的判断。(2)提出了一种将提升Lazy小波的信号分解与重构计算格式与感兴趣区域编码技术相结合的算法。运用本文提出的运动目标检测算法为每帧图像提供ROI感兴趣区域，在进行静态单帧彩色图像编码时，首先将图像转换成YUV格式，并采用4:2:0进行采样，将其归一化为整数。针对传统视觉传感器图像分割技术的缺陷，以及第一代小波编码计算复杂度高的缺点，将视频序列分为背景帧和ROI帧，在计算过程中，可以实现整数运算。(3)提出了一种在具有ROI掩膜的前提下，对感兴趣区域给予优先编码、基于优化截断嵌入式编码(EBCOT)的小波图像编码方案。通过比较几种传统系数编码方式，并针对小波图像编码中的ROI编码方式，分析小波分解后图像高频区域中的能量分布特征，选择EBCOT编码方案。该方法能够有效地改善解码图像视觉效果。(4)针对本文提出的算法，采用标准视频序列进行图像压缩测试，实验结果证明，该方法无论在编码步骤还是在存储量方面都有较大的改进，实现了更有效的图像恢复，同时对重建图像的质量影响很小，在相同压缩比下，峰值信噪比和视觉效果都比传统方法有明显的提升。