视频监控系统经过多年的发展，已经被广泛应用在智能交通、公共安全、金融安防和工业生产等领域。云视频监控将云计算资源、实时面向服务的架构与传统的智能视频监控技术相结合，其目标是为用户提供更为开放、更满足各方需求、更适应复杂条件的智能视频监控服务，有效减少系统的开发、升级及管理维护成本，提高系统资源的利用率和运作的可靠性。云视频监控如今已经成为二十一世纪视频监控领域的主要研究方向。　　当前云视频监控领域中尚存在三个未解决的主要矛盾:应用环境复杂化和实际系统中算法数量稀少的矛盾，开放服务的松耦合和实时系统的紧耦合的矛盾，用户提高需求复杂度与降低使用成本的矛盾。传统的软件架构和开发方法学是这些矛盾无法解决的主要制约因素。　　为了解决上述问题，本文构建了一个开放式云视频监控服务支撑平台。该平台引入了复杂适应系统的理论和方法，以软件架构的复杂适应性为出发点，将底层硬件和上层业务均视为系统外部环境，将智能视频监控相关算法包装成自适应主体，利用主体间受外部环境刺激产生的聚合、组合等行为处理外部监控需求和平衡系统资源消耗。采用复杂适应系统理论设计的开放式云视频监控服务支撑平台具有同时面向客户、应用提供商和开发人员开放服务、服务间耦合度动态调整和系统资源自适应分配等特征，较好的解决了云视频监控的三个主要矛盾。　　为了构建该平台，本文综合运用现代系统工程、复杂系统、软件工程、人工智能等理论和方法，进行了如下研究工作:　　(1)系统分析和描述。利用改进后的Petri网模型对云视频监控支撑平台中的视频监控服务的工作流进行了建模并对模型进行了分析和描述。　　(2)系统架构规划及主体行为模型的建立。采用复杂适应系统的理论和方法规划了整个支撑平台的软件架构，并且为主体设计了相应的行为模型。　　(3)系统主体结构模型及协调机制的建立。采用Agent技术建立了主体结构模型、多Agent协作框架及其协调机制。　　(4)系统主体行为的优化。将粒子群优化算法应用到云环境中，增强了算法主体自学习自适应的速度和能力，实现了视频监控服务及其计算单元调度的自优化。　　(5)系统仿真验证。应用多主体仿真技术验证了主体在仿真环境下的自学习、自组织能力和基于CAS的粒子群优化算法提升主体适应性和学习速度的有效性。　　(6)实验原型的设计与实现。设计实现了一套开放式云视频监控服务支撑平台的实验原型，并采集和分析了相关实验数据。　　本文的研究具有如下创新点:　　1、设计并构建了一个面向服务的，开放性的，有较强实时性和适应性的云视频监控服务支撑平台。　　2、将复杂适应系统的理论和方法首次应用在软件工程领域，在保持大型软件系统复杂性的同时，提高了系统的开放性和适应性，在软件系统的构建模式和开发模式上都做出了创新。　　3、文中的实验原型系统不仅能作为视频监控的实验平台使用。只要提供规范化的需求申请和适当的算法主体，就能进一步拓展该平台的应用范围和自适应能力，使其能在如大范围气象信息实时分析、大规模战场数据实时采集分析等其它应用环境发挥作用，成为一个开放式的基于云架构的数据处理支撑平台。　　本文的成果，丰富了视频监控、软件设计等领域的理论和技术，为大型复杂软件系统的研发提供了借鉴和参考，也为面向服务的软件设计方法学的发展完善和复杂适应系统理论在信息科技行业的应用提供了新的思路。