面向人的视频理解尤其是对人脸进行分析,是计算机视觉技术研究中的一个热点与难点。对于视频监控系统来说,大多数应用情况下主要的监控目标是人。因此面向人、尤其是人脸的视频理解技术也是视频监控系统实现智能化的基础。本文对智能视频监控的相关技术进行了探索和研究,重点对于视频监控中的目标识别和人脸匹配进行了研究和探讨。形状匹配是计算机视觉和模式识别的一个基本问题,它被应用到很多领域,如目标识别、基于内容的图像检索等。传统的Shape Context算法用于对简单图形进行形状匹配。本文从人脸这一低层视觉角度以智能化视频监控应用为背景对形状匹配进行研究,将Shape Context的形状匹配技术,运用到人脸形状匹配中。本文对边界提取算法进行改进,满足人脸的轮廓边界的复杂性要求。先采用扩散滤波技术进行预处理操作,模糊图像的细节,获得的边缘具有更好的光滑质量,增强、保留了重要的边缘特征信息;在此基础上,再使用改进的边缘检测和轮廓提取算法,使边界点既尽可能少地提取了轮廓特征点,又更好地保留了重要的特征点。本方法基于Shape Context算法,利用了对数极坐标变换的二维不变性,使形状匹配算法具有二维不变性,克服了传统形状匹配算法的缺点。实验证明,本方法是一种适用智能视频监控的稳定而有效的形状匹配方法。最后,将Shape Context人脸形状匹配处理算法和其他高级图像处理技术整合到诚丰公司的全IP网络智能视频监控系统中。其中的人脸检测跟踪及报警模块能够获取运动的人脸目标,跟踪并记录人脸目标信息。在人脸检测目标判断之后,能够使用高速球进行PTZ跟踪,对可疑目标进行高清晰特写拍摄,离线使用Shape Context进行人脸形状匹配。