智能视频监控技术是计算机视觉领域近年来新兴的一个研究方向。它的主要研究内容包括:监控视频运动对象的检测、对象的描述、对象的跟踪、对象的识别和对象的行为分析等。目前的智能监控系统中,通常采用固定摄像头对于场景进行记录。对于大视场监控,单一固定摄像头难以满足监控的大视场和高分辨率要求,而采用多个摄像头成本过高。因此有必要采用旋转摄像头对整个视场进行扫描监控。本文研究了基于旋转摄像头的全局运动估计方法以及全局运动补偿后运动目标的分割和填充技术。在全局运动估计过程中,首先提取当前帧的特征点并将其离散化,然后以特征点为中心在当前帧和前一帧之间进行块匹配,其后用3σ准则除去误差块,从而得到全局运动估计量。在VC平台上编程实现了该算法。其中,在特征点提取阶段,本文对特征点提取算法进行了深入研究和比较,由于提升小波速度较快,因此研究了基于提升小波的特征点快速提取方法。实验结果表明取得同等效果情况下,基于提升小波的特征点提取方法耗时仅为以sobel算子极大值方法的20%。另外,已有的一种快速SUSAN算法对于实际图像提取特征点的实时性不够,研究发现其原因是未对小波系数值进行区分,将大量由噪声引起的点进行处理造成的。本文对其进行了改进,通过对小波系数值的划分,解决了这一问题。改进后方法所用的时间小于原SUSAN算法的15%,提取到的点数大于原SUSAN算法的90%。还有,由于摄像头是旋转的,则背景的运动有一定的规律,故此本文采用卡尔曼滤波来预测跟踪匹配块,大大减少了全局运动估计的计算量。该方法在实验中匹配精度满足要求,并且大幅提高了全局运动估计的速度,耗时仅相当于现有全局搜索法的5%,三步搜索法的35%。最后,在运动目标分割填充研究过程中,对现有大津法和迭代方法进行了分析比较基础上,采用了基于双阈值的目标分割方法,实现了对目标的完整分割,避免了单一阈值引起的目标残缺或噪声太强的缺陷。