视频监控系统如今已经广泛应用于各类公共场合,监控系统本身同样处于高速发展时期,表现为监控系统的规模越来越大,所使用的摄像机以及硬件系统越来越复杂,监控区域也越来越大。同时监控系统对于内容分析与处理的要求也越来越高,正从简单的监视功能向智能处理及分析图像内容的方向发展。图像内容的分析在于研究图像的内容,包括但不局限于使用图像处理的各种技术,它更倾向于对图像内容的分析、解释、和识别。图像分析一般利用数学模型并结合图像处理的技术来分析底层特征和上层结构,从而提取具有一定智能性的信息。本文的研究重点包括：1)采用on-line boosting算法架构进行目标物体检测。不同于经典的在线AdaBoost算法,我们引入了选择器(selector)的概念。训练一个选择器就意味着其相关的弱分类器被训练(更新),并且从中挑选出一个最优秀的弱分类器。通过实验,我们验证了检测算法的可行性,并探索提高各项性能指标。2)车牌识别作为智能交通系统中的一个重要课题受到了众多学者和制造商的广泛关注。我们通过大量的理论和实验分析,形成了一套较为完整的车牌定位算法。该算法能够较好的适应室内、户外各种复杂的光照条件。在较为准确、快速的车牌定位算法基础上,我们继而对车牌识别的另外两个流程：字符分割和字符识别进行了探索,并讨论在识别精度和速度之间寻求较好的权衡。3)随着网络应用和多媒体技术的迅速发展,使得图像数据呈现爆炸性的增长趋势。基于内容的图像检索(Content-based Image Retrieval)技术由于其重要的研究意义和巨大的实用价值而得到广泛关注。我们从当前最为流行的几类图像描述子出发,寻找最为适合表达“相似”的方式。其中,重点分析了SIFT特征和VLAD聚合特征。通过实验数据对这些图像描述子的性能做了较为全面的分析。为了克服大规模图像集带来的巨大的计算压力,我们研究并成功实现了基于K-DTree结构的ANN算法。