过去的十年间,为了满足实际的需要,智能监控系统和智能视频分析技术已经得到迅猛地发展,被广泛地应用于交通运输和家庭监护等领域。智能监控系统通过对视频图像进行分析,能检测出异常事件的发生,自动发送报警信息。它与传统的监控系统相比,可以减轻值班人员工作压力,提高工作效率。在视频分析方面,前端模式与平台模式相比,提高了目标检测的实时性,并且大大节省带宽。本文关注的是智能前端中的图像处理技术应用及实现。本文研究了一系列智能前端常用的图像处理方法和目标检测框架,包括方法原理、方法步骤、性能对比、结果优化等。特别地,本文实现了一种快速的基于背景差分的运动目标检测框架,该框架在测试环境中能够实时地准确地检测出运动目标,不受光线强弱和背景小目标的影响。以raspberry pi2 mode B+为视频分析服务器,本文设计并实现了智能前端的视频分析软件。本系统集成了全景视频监控,目标检测与跟踪,视频摘要,图像云储存、传感器监控等功能,可以满足学校、家居等多种场景的需要。主要工作包括以下几个方面:首先对系统的整体需求进行分析,明确了实时全景监控,数据云储存,智能前端视频分析三部分重要内容。基于系统需求,分析了前端视频分析软件,后端业务管理软件,客户端软件的功能。然后分析智能前端视频分析的优势和实现模式。提出一种基于全景视频感知和云视频分发的智能监控系统设计方案。根据方案设计出了系统的总体架构(包括逻辑架构和物理架构),智能监控前端软件的框架与业务流程,以及后端服务软件的层次结构模型与层次通信模型。接着根据系统需求与软件架构,完成了智能前端、业务后端、客户端的程序设计。本文对主要模块的实现步骤进行了阐述。最后通过实验对各个模块的功能进行测试,对实验结果进行分析和总结,验证了本文算法设计的有效性和功能的可行性。