随着计算机技术和通信技术的飞速发展,多媒体通信已经由最初的语音通信发展到今天的视频通信。视频通信在生活中的应用随处可见,典型的如智能视频监控。在视频通信的发展历程中,国内的具有自主知识产权的AVS标准,已经在性能上越来越接近国际标准H.264,在应用中也占据了一席之地。本文在“支持AVS标准的智能视频监控系统”项目的支持下,对AVS标准中的各算法模块在DSP平台上的实现及优化进行深入研究,尤其是针对AVS的帧内预测算法,对框架进行优化,对算法流程进行调整,结合监控系统这一特殊应用,裁剪算法,采取快速算法。同时利用CCS工具,用内联函数、线性汇编等对代码优化,优化后的系统,能够对D1格式的视频数据进行实时编码。本文另外的一个研究重点是,背景差分法中的背景更新技术。运动目标检测作为智能视频处理中的核心技术,是后续高级处理,如目标行为分析、行为识别等视频处理的关键。背景差分法是运动目标检测最常用的方法之一。本文对背景差分法中的背景更新技术作了深入的研究。首先介绍了基于卡尔曼滤波的背景更新、基于光流法的背景更新、以及基于混合高斯模型的背景更新技术,比较了其优缺点。接着,分析了混合高斯背景模型以及现有更新机制中存在的不足。现有的算法,只对首先匹配的高斯分布的参数更新,包括权值、均值和方差,而不考虑其他的几个分布是否匹配以及是否需要更新。本文提出了一种改进的更新策略,找出所有匹配的高斯分布,对匹配的分布,其权值按照一定的比例增加,同时更新其他参数。实验表明,该算法在几乎不增加计算复杂度的情况下,能够很好的处理光照变化闪烁的场景。