变电站无人值班是当今电网调度自动化发展的趋势,至今,变电站综合自动化系统已经实现了“遥测、遥信、遥控、遥调”的四遥功能,但是仅依赖这四遥不能完全满足变电站无人值班的安全要求。本文提出将智能视频监控系统应用于变电站综合自动化系统中,使得“遥视”成为传统四遥的有力补充和变电站安全运行的必要设施,真正实现变电站的无人值班运行。本文主要研究了智能视频监控系统中运动目标检测和目标分类两个关键技术。首先,为了实现运动目标检测,本文在分析现有运动目标检测方法的基础上,采用基于独立分量分析的运动目标检测算法,该方法将监控数字图像归类为背景与运动目标两种独立信号的混合,利用信号间的统计独立性分离背景和运动目标,该算法能够适应现场光线的变化,较之已有的算法鲁棒性、实时性更强;然后本文采用Hu不变矩和BP神经网络相结合的目标分类算法,利用Hu不变矩描述检测到的运动目标的形状特征,作为神经网络分类器的分类依据,利用神经网络的自学习性完成分类,该分类算法能够很好的容忍目标大小、位置、角度的变化,具有很强的学习能力、容错能力和快速的运算能力,使得目标分类能够准确实时的进行。最后,本文基于Matlab,对上述两种算法进行了仿真实验。实验结果表明,本文采用的方法能够较好的实现变电站中运动目标检测和目标分类,为实现变电站智能视频监控奠定了基础。