输油管道以其安全、经济、快捷等特点,近些年来在国内得到重视并且迅速地发展起来。发展输油管道运输业对石油化产业内部原油资源配置、加快国内外原油资源的利用、降低经营成本、改善国内经济的运行质量具有非常重要的意义。在原油的远距离传输过程中,存在由道路施工引起的输油管道损坏问题以及不法分子打孔盗油的隐患,因此对输油管道的监管是必不可少的。针对传统人工监管工作量大、效率低、实时性差等问题,本文提出了基于计算机视觉的输油管道智能监控方法,研究内容包括以下几个方面:(1)在图像去雾处理方面,针对拍摄的图像存在大量的雾气而引起目标辨识度低的问题,研究了通过去雾算法以提高辨识准确性的方法,提出了基于均值滤波的暗通道先验图像去雾算法。分析有雾图像降质的过程,建立了雾天图像退化模型,利用暗通道先验规律恢复无雾图像,增强了有雾图像的清晰度和对比度。针对暗通道先验算法的不足,进行算法的改进,利用均值滤波对环境光和全局大气光进行估计,有效地解决复原的无雾图像偏暗、颜色失真和白边问题。通过对比实验,改进后的算法可以得到较好的去雾成效。(2)在图像背景建模方面,针对图像序列更新时间间隔长,造成背景变化大而引起构建背景图像准确性低的问题,研究了图像背景建模与更新方法,提出了基于统计均值背景模型的图像背景建模算法。为了提高构建背景图像的准确性,对均值背景模型算法进行改进,利用统计均值的方法精确的构建背景图像,并更新背景图像序列,构建实时适应环境变化的背景图像。通过对比实验,验证了本文提出的改进背景建模算法有效地提高背景图像的准确性,并在适应背景变化不连续方面具有一定的优越性。(3)在目标检测与异常分类方面,针对光照变化引起目标检测准确性低的问题,提出了自适应阈值背景减算法,有效地消除光照变化问题,取得了较好的目标检测效果。针对目标阴影引起的检测目标形状失真问题,提出了基于HSV颜色空间的改进算法,解决了阴影去除不彻底问题。利用前景目标的长宽比,结合移动速度判断目标类型,对不同类型目标设置报警优先级,较好地解决了目标类型分类及异常行为判断问题。本文通过对实际输油管道智能监控系统所采集的图像序列进行目标检测,测试结果表明了该系统对目标检测具有较高的准确性和实时性,并且具有较低的误报率,满足实际应用的需求。