1、隨著視頻監(jiān)控系統(tǒng)規(guī)模的不斷擴大，單純地使用人力實現(xiàn)所有監(jiān)控點的在線監(jiān)視對于很多監(jiān)控系統(tǒng)來說已經(jīng)不可能實現(xiàn)。因此具有全自動或者半自動監(jiān)視功能的智能視頻監(jiān)控系統(tǒng)是視頻監(jiān)控系統(tǒng)未來發(fā)展的趨勢。
　　 論文圍繞著智能監(jiān)控系統(tǒng)中的運動目標(biāo)檢測、跟蹤，及其在實際監(jiān)控系統(tǒng)中的應(yīng)用而展開。
　　 論文分析了當(dāng)前幾種典型的運動目標(biāo)檢測算法，針對當(dāng)前監(jiān)控系統(tǒng)的需要，對現(xiàn)有算法進(jìn)行適當(dāng)?shù)馗倪M(jìn)和調(diào)整。將幀差法與單高斯模型相結(jié)合，綜合幀差法適應(yīng)能

2、力強和單高斯模型檢測目標(biāo)區(qū)域準(zhǔn)確的優(yōu)點。實現(xiàn)對運動目標(biāo)的快速檢測。
　　 論文對典型的運動目標(biāo)跟蹤算法進(jìn)行分析與比較，重點研究了基于MeanShift和CamShift算法的運動目標(biāo)跟蹤。并針對CamShift算法的缺點進(jìn)行了一系列的改進(jìn)。首先改進(jìn)了CamShift反向投影圖的計算方法，通過結(jié)合場景信息來計算反向投影圖，使得目標(biāo)與背景差異較大的部分獲得較大的權(quán)重，使得反向投影中目標(biāo)與背景的權(quán)重差異擴大，密度極值區(qū)域與目標(biāo)區(qū)域重疊

3、性更好。同時調(diào)整了CamShift搜索匹配區(qū)域的搜索算法，通過在整個區(qū)域進(jìn)行完全搜索來進(jìn)行匹配，避免了迭代運算帶來運算時間不穩(wěn)定的問題，通過對搜索算法的優(yōu)化，獲得了比采用MeanShift迭代搜索算法更快的運算速度；同時也避免了MeanShift算法陷入局部極值導(dǎo)致跟蹤丟失的風(fēng)險。并給出了對視頻監(jiān)控序列進(jìn)行跟蹤的例子。
　　 論文最后將本文提出的運動目標(biāo)檢測、跟蹤算法應(yīng)用于實際監(jiān)控系統(tǒng)，基于攝像機控制對目標(biāo)進(jìn)行跟蹤，并給出了對人