随着计算机技术的飞速发展和生活水平的提高,人们在许多领域对信息安全要求越来越高,例如用计算机对小区进行智能监控,不仅节约人力资源和成本,也为日后案件的调查提供证据。智能监控就是利用计算机自动检测出视频中的人体运动对象的运动类型并识别出运动对象的身份,目前这方面的研究才刚刚起步。　　 本文研究了理想情况下的智能监控,分别是静止背景的包含人体运动的监控视频和只有虹膜和瞳孔的彩色虹膜图片。这两种理想情况的研究为未来生物特征识别的多模态融合和智能监控提供依据。监控视频中的人体运动识别其主要研究内容是,实时的自适应地提取监控视频的背景,并分割出人体运动对象,提取人体运动对象的SIFT(Scale Invariant FeatureTransform)运动特征,最后用SVM识别出人体运动类型;彩色虹膜识别的主要内容是,使用CBSILF(Color-Based Scale-Invariant Local Feature)提取彩色虹膜的特征点并用彩色信息子描述特征点,最后通过匹配进行识别。　　 传统的监控视频的背景提取方法有三种,一种方法是事先拍摄一张没有运动对象的静态图片作为视频的背景,但分割出来的对象易受光照,天气等因素的影响;一种方法是对视频的图像序列各像素点对应的像素值进行平均,所得的图像作为视频的背景,这种方法分割的对象有噪声;还有一种方法是自适应地提取视频的背景,目前这方面的研究有很多,但效果依旧不理想。与传统的监控视频中背景提取方法不同的是,本文提出的方法能够实时地自适应提取监控视频的背景,分割出的人体运动对象几乎是零噪声的,并且提取的人体运动的SIFT特征能很好地表达各种运动的特点,实验表明所提出的方法识别率高达95%。目前大多数虹膜识别研究都是基于灰度图像的,有的虹膜识别实验数据库是彩色的虹膜图像,但也是转换到256色图像上进行的研究,彩色虹膜的识别研究得较少。本文充分利用了虹膜的彩色信息,提取虹膜的彩色信息描述子,特征信息能较好地反映虹膜特征,实验表明算法的识别率100%。