1、隨著視頻監(jiān)控規(guī)模的不斷擴(kuò)大，僅僅使用人力對(duì)成千上萬(wàn)的監(jiān)控?cái)z像頭進(jìn)行在線(xiàn)監(jiān)視、對(duì)海量監(jiān)控視頻進(jìn)行分析已經(jīng)不能滿(mǎn)足需求。由于智能監(jiān)控不需要在人為干預(yù)情況下對(duì)攝像機(jī)采集的圖像序列進(jìn)行自動(dòng)分析，因此成為未來(lái)發(fā)展的趨勢(shì)。
　　論文主要研究運(yùn)動(dòng)目標(biāo)檢測(cè)、跟蹤技術(shù)，并且圍繞智能監(jiān)控系統(tǒng)中的實(shí)際應(yīng)用展開(kāi)論述。一方面，對(duì)監(jiān)控系統(tǒng)記錄的視頻進(jìn)行智能分析，提取感興趣目標(biāo)。另一方面，自動(dòng)控制攝像機(jī)對(duì)目標(biāo)進(jìn)行實(shí)時(shí)跟蹤，擴(kuò)展監(jiān)控范圍。
　　首先，論文研

2、究基于背景建模的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。根據(jù)算法采用的基本原理將其分為四大類(lèi)，并在每一類(lèi)中選擇幾種典型算法進(jìn)行詳細(xì)介紹，相應(yīng)地給出實(shí)驗(yàn)結(jié)果和分析。對(duì)混合高斯模型算法中存在的不足進(jìn)行了闡述，并給出改進(jìn)方法?？紤]到原有算法沒(méi)有利用空間和時(shí)間相關(guān)性，提出了一種利用鄰域信息計(jì)算先驗(yàn)概率的方法。該方法能夠有效地削弱圖像噪聲、攝像機(jī)晃動(dòng)、樹(shù)葉擺動(dòng)等干擾對(duì)檢測(cè)結(jié)果的影響，同時(shí)提高目標(biāo)分割的完整性。
　　其次，論文研究目標(biāo)跟蹤算法。介紹了幾種典型算法:

3、卡爾曼濾波，LK光流法，Camshift以及基于Tracking-Learning-Detection的方法等。給出算法的基本原理，對(duì)算法進(jìn)行實(shí)驗(yàn)分析。
　　論文還介紹了基于視頻的行人車(chē)輛檢測(cè)與分類(lèi)的具體應(yīng)用。該應(yīng)用可以分為圖像預(yù)處理、目標(biāo)檢測(cè)、跟蹤、分類(lèi)和模型估計(jì)五個(gè)階段。目標(biāo)分類(lèi)階段提出一種以目標(biāo)面積為特征，采用EM聚類(lèi)來(lái)實(shí)現(xiàn)行人車(chē)輛分類(lèi)的方法。模型估計(jì)階段，利用統(tǒng)計(jì)歷史信息，對(duì)場(chǎng)景中不同位置目標(biāo)面積進(jìn)行擬合。最后根據(jù)應(yīng)用需要