在最近十年以来,随着信息技术的综合发展,智能机器人已经大规模应用到人类的生产生活中。搭载监控设备的具备自主导航定位能力的移动机器人,通过预先对场景进行建模,可以部署在水电站、生产车间、机场大厅等工业生产和人类生活环境中。目前,结合移动机器人技术的监控视频采集系统的研究已经成为学术界和工业界的研究热点。本课题主要解决将视频监控技术运用于移动机器人工作环境的具体工程问题。首先,本文搭建了一套移动机器人监控视频采集平台。结合现有的机器人底盘技术,本文自主设计了相应的底层硬件控制单元和上层设备管理单元,实现与机器人相关硬件设备的控制和数据获取。随后,本文研究了移动机器人平台监控视频的采集和编码方法,设计了视频采集模块。在保证系统较低功耗的前提下,利用平台硬件加速能力实现视频数据的高效H.264/AVC编码。同时,软件方案支持多种编码方法,为后续开发提供了良好的扩展性。整个采集模块运行于通用硬件设备和软件平台,具备良好的设备替换能力和软件移植能力。通过在不同平台使用不同视频采集和编码方法进行对比实验,验证了本文方法的有效性。然后,针对弱网络环境下的数据传输,以数据完整性和数据快速传输为目标,本文设计了监控视频的传输模块。本文通过线程池并发传输的方式加速数据在网络中的传输速度,提升网络带宽的使用效率。同时,通过在服务端维护网络连接的上下文信息,避免数据在频繁的网络中断和接入点切换中重复传输。通过在局域网和公网下的多组实验,验证了本文数据传输方法对数据传输加速的有效性。最后,本文设计了监控视频内容分析模块。基于机器学习技术,采用支持向量机分类器作为目标检测器,通过事先输入样本对分类器进行反馈训练,得到具备环境适应性的目标检测单元。输入监控视频作为目标检测的数据源,将目标检测结果保存在数据库中。基于前后端分离的RESTful架构设计了用户交互系统,用于展示监控视频分析结果,便于用户对视频进行管理。通过对比实验,证明本文方法在具体场景中具备实用价值,并且相对于已有模型有了明显改进。