智能视频监控系统是近年来计算机视觉领域倍受关注的一个科研及应用领域,广泛的运用于军工和民用场所,具有广泛的应用前景和科研价值。从监控系统已有的运动目标库里检索出用户给定的对象,对公共安全有着特定的意义,因此针对视频监控系统中目标检索问题,提出了经由运动目标检测、目标跟踪、目标匹配的运动目标检索技术,论文的主要研究内容概括如下:首先,针对监控视频下静态和运动背景两方面,研究目标检测技术。通过不同算法的实现及结果分析,针对最终需求,选择了基于高斯混合模型的检测技术实现运动目标的提取。该算法通过在线地学习和训练过程,可有效地处理雪天背景、水纹波动、树枝摇摆等场景,相较其他算法鲁棒性能良好。此步骤为后续跟踪提供了目标中心和跟踪模板。其次,提出了基于模板更新的的自适应meanshift跟踪算法。通过相邻两帧间匹配的SIFT点对,建立最小二乘模型,求解目标的缩放系数,通过当前模板和检测结果进行线性拟合的方法更新目标模板。此步骤完成了同一目标的确认及虚假目标的排除,为后续目标匹配提供了候选目标模板。最后,研究了目标匹配中基于灰度的图像匹配和基于特征的图像匹配策略,并结合本文需求进行了算法实现。论文对检索技术进行了初步研究,针对复杂的场景如存在穿相似衣服的行人、目标间存在交互等,还有待进一步的研究。检测、跟踪和匹配结果相互依赖,如何将之间的信息传递构成有效的反馈回路可能有助于提高检索的精度。