随着人工智能、大数据、云计算、5G等新兴技术的飞速发展,智能视频监控成为一个研究热点,并且带动了许多产业的发展,如医疗、工业、安防等,对人们的生产生活、社会发展等产生了重大的影响。在智能视频监控系统中,前景目标检测技术是系统研究的基础与关键,其检测结果对后续的目标识别、目标分类、目标跟踪等有着重要的影响,且与系统的智能化程度有着密切的关系。本文主要对智能视频监控系统中的前景目标检测技术进行了深入地研究,重点研究了静态场景、动态场景、镜头晃动场景下的前景目标检测,建立了帧间差分法、背景差分法、混合高斯模型、改进的ViBe模型、特征匹配等模型,并根据前景目标检测技术设计与实现了一个简易的监控系统,最后对系统进行了测试和算法评价。主要的研究工作如下:(1)在不同的监控场景下,通过建立多种算法模型来实现前景目标检测,并根据实验结果对模型进行了分析。对于静态场景,建立了帧间差分法模型,并针对帧间差分法在前景运动目标移动过慢或过快时检测不准确的问题,提出了基于梯度系数的改进的两帧差分法;同时,建立了基于背景差分思想的单高斯背景模型和ViBe模型,并进行了分析对比。对于动态场景,建立了混合高斯模型,减少了背景中的动态干扰对前景目标检测结果的影响;采用了SACON算法中的TOM更新机制,建立了改进的ViBe模型,解决了背景模型更新过慢而产生“鬼影”的问题。对于镜头晃动场景,通过对视频图像进行特征角点提取、仿射变换、图像填充使视频达到稳像状态,再采用改进的ViBe模型实现了前景目标检测。(2)以前景目标检测为目的,设计了一个基于B/S架构的智能视频监控系统。在服务器端主要完成了流媒体服务、视频传输、视频播放、算法分析等功能,在客户端主要完成了视频的实时显示以及前景目标检测结果展示等功能。(3)对系统进行了功能测试,验证各个模块是否能够正常工作;采用了不同的算法模型对监控视频进行了实际场景测试,并观察其检测结果是否能够满足要求。在算法的评价方面:基于评价指标对算法进行了性能分析,根据模型的平均检测时间对算法进行了速度分析,最后对算法模型进行了优缺点分析。通过系统测试和算法评价,本文所建立的算法模型能够实现监控系统中的前景目标检测,可以满足系统的要求,并为智能视频监控系统中的后续研究作了重要的铺垫。