智能监控系统涉及图像分析、模式识别、人工智能、行为学等诸多学科,被广泛应用于公共安全监控、医疗看护、交通管理、人机交互、实时分析等众多领域。研究智能视频监控系统的信息处理算法及其设计、实现,具有重要的理论意义和良好的应用前景。因此,近年来它成为计算机视觉技术和人工智能领域的研究热点。本文以智能视频监控系统为研究对象,深入探讨分析了视频图像处理算法与目标检测、匹配、跟踪算法,并从技术上探寻运动目标检测与跟踪的途径和实现方式,从实验及应用的角度验证视频信息处理的鲁棒性、实时性和系统的可行性。论文主要完成以下几方面的创新性工作:1、在对分数阶微分的图像增强与降噪研究中,根据向量合成定理构建了一种选取16个梯度运算方向的5×5的分数阶微分掩模,对图像进行滤波处理。经仿真验证,该算法对图像纹理细节的增强效果较好。2、针对视频跟踪中的阴影问题,提出基于色彩空间转换的背景建模方法和阴影去除算法。首先将运动目标的检测在RGB空间实现,再将检测出的目标锁定在活动轮廓的矩形框内,并连续实时地跟踪;对于阴影部分,通过其亮度信息,转换至HSV色彩空间进行消除。3、设计实现了一个基于SOPC的视频采集、信息处理及数据传输的室内智能视频监控系统。系统以Altera公司的TE3开发板为平台,采用CCD高速摄像头,配备多种传感器,实现图像实时采集、处理、压缩及运动目标检测与跟踪。4、设计实现了一个双摄像机协同跟踪系统。该系统用查找表的方式实现双摄像机的标定,采用混合高斯建模方法对运动目标进行检测以及Camshift算法对运动目标进行跟踪。系统能够对运动目标进行有效跟踪与缩放,实现双摄像机协同控制及可持续跟踪。论文结合计算机视觉、信号处理、嵌入式系统和计算机网络技术、智能检测与控制等学科的理论,对智能视频监控的图像处理基础、目标检测与跟踪及智能视频监控系统的设计与实现做一些有益的探索。渴望取得具有一定应用价值的理论与实践研究成果,为智能视频监控系统的设计与开发提供一些参考和帮助。