随着各类监控器材的价格下降以及相关技术的成熟,视频监控系统正在由城市逐步走向城镇乡村,应用方向也从一开始的安全监控扩展到了生产生活的方方面面:从养殖场中对猪只行为进行实时监控,以便及时发现猪只产仔等特殊情况,到智能温室中采用的病虫害防治监控系统,再到智能家居系统中的人机交互,这些都是视频监控系统大显身手的地方。但现有视频监控系统多采用单摄像头“各自为战”的方式来进行目标跟踪定位,单个摄像头监控范围有限,安装位置不当的话容易留下监控死角,也容易因干扰、遮挡而丢失目标。这种简单的把多个摄像头组合到一起的系统越来越难满足人们对视频监控系统的需要,由此,对能够使多摄像头协力工作的算法进行研究就显得相当有必要,这也正是本文研究的一大意义所在。多摄像头协力算法的基础是单摄像头监控算法,单摄像头监控算法的效果好坏对最终结果有直接影响。通过对现有单、多摄像头运动目标定位算法进行横向研究比较,本文在提出一种多算法融合的单摄像头监控算法的同时对现有多摄像头环境下的视频目标定位算法进行了研究改进,其主要工作及创新如下所示:(1)在单摄像头阶段,提出了一种基于场景分类的多算法融合运动目标定位算法,比较并改进了常用的色调、饱和度、亮度以及颜色距离算子,同时针对复杂背景下前景的破损问题,除了采用改进算子以及多算子融合的方法外,通过比对在整体/局部阈值下前景的不同表现,提出了基于质心位置的破损目标聚拢法和网格化局部背景提取法,最后在算子改进和融合方法基础上,提出了改进Surendra法和改进码本法,并在仿真实验中证明了它们的价值;(2)提出了用于提取运动物体纵向主骨架的分割横截线法,并用该算法成功实现了特定姿势的行人识别,在此基础上提出了以人体近似地面接触点和纵向骨架最高点作为单应性矩阵匹配点的方法,并通过基于色调非等分量化的主颜色特征实现了多摄像头交叠区域的人体匹配,两者配合能实现单应性矩阵的自适应生成;(3)通过检测运动物体行动区域实现了基于SIFT特征的单应性矩阵的自适应生成,并与人体近似地面接触点法和纵向骨架最高点法做了对比,证明了三者各自的价值。