智能视频监控(IVS)是计算机视觉中近年来倍受关注的一个应用领域,它利用机器视觉和图像处理相关技术实现对视频信号的处理、分析和理解,进而达到对监控系统智能控制的目的,有效解决传统监控系统因数据处理量大,响应时间长以及人类自身固有弱点等缺陷导致的监控效率低下和繁琐工作量等问题。本次论文研究的开展主要针对智能视频监控方面的应用需求,着力研究视频序列中的运动目标的提取和异常行为分析,着手完成固定场景中运动目标的检测与跟踪,并且在充分利用检测及跟踪得到的运动目标信息的基础上,实现对视频监控范围内目标行为的主动分析。本文完成的研究工作及主要贡献如下:目标检测研究方面,针对传统的基于混合高斯建模进行前景检测的缺陷,本文做了算法改进,改进算法将高斯建模与帧间差分两种方法相结合实现目标检测,目标提取更加完整。此外,在现有算法基础上,本文提出了一种基于差分背景融合建模的运动目标检测算法,该算法通过连续视频帧图像间的差分运算获得背景区域像素的逐步填充融合建立背景图像,并构建自适应背景更新策略达到背景模型的实时更新,有效实现稳定背景模型的建立,并完成完整前景的检测,实验结果证明,本文算法稳定性高,前景检测效果好。目标跟踪研究方面,针对复杂背景下目标跟踪的技术难点,本文提出了一种基于图像感知哈希技术的运动目标跟踪算法,算法通过图像感知哈希技术构建目标哈希值进行模板匹配,采用搜索跟踪和匹配跟踪两种策略相配合准确获取运动目标在帧图像序列中的位置和尺度信息,利用新的图像信息更新目标模板,实现运动目标的准确、持续跟踪以及模板尺寸的自适应修正,有效解决传统匹配算法在跟踪应用中时间复杂度高,准确性低,对噪声、遮挡、目标尺度变化等抗性不足的问题。异常行为分析方面,根据异常行为难定义、易发现的特点,本文从异常行为的宏观状态出发采用基于目标团块和轨迹分析的方法判别异常行为,针对不同种类异常行为设定不同的判别规则,当规则被触犯,则触发报警。本文具体完成包括:监控ROI设定、运动人体标识、目标特征提取等几个方面的算法实现,并基于以上过程实现了四种异常的判定,这其中,运动目标采用最小外接矩形框标识,提取的特征包括目标面积、质心坐标、运动轨迹等,实验结果证明,本文算法稳定性好,能有效检测异常的发生,并及时触发报警提示。