视频监控系统的发展和应用已经有数十年的历史。随着视频采集、传输、存储和处理设备的不断更新,视频监控系统经历了模拟化、数字化、网络化三个阶段。在视频监控系统应用范围不断扩大,智能化需求日益提高的背景下,得益于计算机和视频相关硬件设备的更新换代,以及计算机视觉相关理论和技术的蓬勃发展,视频监控系统开始向智能化的方向发展,大大降低了监控人员的工作强度,提高了视频监控的效率和可靠性。本文以位于山西省晋城市沁水县端氏镇的煤层气田柿庄南区块监控项目为背景,该项目地处山区,周边环境复杂。本文首先针对该项目区块的实际情况为其设计了一套智能视频监控平台,该平台由视频数据采集模块、数据传输网络、数据处理中心三大部分构成,其中数据处理中心的功能包括视频数据存储、图像分析、异常检测、全局监控等功能。接着,本文重点对数据处理中心所用到的视频监控算法进行了研究。视频监控算法的主要目标之一是发现异常,其核心是运动前景的检测,而背景建模是用于前景检测的最常用、最有效的方法。传统的背景建模方法都是基于像素的,即对每个像素独立进行模型建立、前景背景分类以及模型更新,这类方法普遍存在着计算量大、对背景变化敏感等问题。为了解决这一问题,结合煤层气田视频监控的实际需求,本文提出了一种基于区块的背景建模和前景检测方法。该方法利用改进后的颜色直方图——颜色区间直方图,以区块为单位,对视频图像每个区块建立背景模型,通过计算从待检测区块的颜色区间直方图到背景模型的KL散度(Kullback-Leibler Divergence)来区分前景和背景,并对背景模型进行实时更新。通过将本文提出的方法与经典的基于混合高斯模型的算法进行对比试验,结果表明,通过选取合适的参数,本方法在降低计算复杂度、减少耗时的同时,能够保证较高的检测精确度和较强的鲁棒性,同时,算法能够对日常光照变化、背景中的运动物体进行有效的描述,适应现场情况复杂多变的煤层气开采现场环境。