生物监测技术是用生物评价技术和方法对环境中某一生物系统的质量和状况进行测定，已被广泛应用于水质安全预警与水质监测系统中，其通过水生指示物的生理特征和行为反应来对水体的污染情况进行评估，从生物学角度为水质安全评估体系的建立提供理论依据和信息基础。生物监测结果，尤其以鱼类行为为代表，能反映水环境质量状况、质量变化对生物的影响和危害程度，是水质环境监测中最直接最有效的手段之一。因此，如何有效地快速提取与分析这些水生物的特征指标，并对水生物进行实时跟踪，是水质在线监测研究中的关键环节。本文以鱼类为指示生物，主要研究计算机视觉技术在鱼类行为视频在线监测中的应用。研究目标为获取与生物水质监测相关的鱼类行为特征信息，具体研究内容包括：基于最小交叉熵的运动目标检测方法，基于Camshift的单条鱼跟踪方法、粒子滤波框架下多条鱼的跟踪方法，鱼类行为视频在线监测系统的设计与实现。主要研究工作归纳为以下几个方面：1)基于最小交叉熵的运动目标检测方法研究。在二值化阶段的阈值选取上，将灰度-梯度共生矩阵引入到二维最小交叉熵阈值算法中，利用遗传算法近似求解最优阈值，并采用均匀性测度作为图像质量的评价指标，提出了一种基于最小交叉熵的运动目标检测方法。2)基于Camshift的单目标跟踪方法研究。在传统的Camshift算法基础上，提出了一种自动定位目标的Camshift方法，该方法能够解决由于目标快速运动导致跟踪丢失的问题，提高了单目标跟踪的精确性和稳定性。3)基于粒子滤波的多目标跟踪方法研究。在现有的粒子滤波算法基础上，提出一种结合帧间关系矩阵和分类器的多目标粒子滤波跟踪方法，该方法在粒子滤波框架下实现对多条鱼的检测跟踪，能充分利用检测器与分类器等信息源，提高了多目标跟踪的鲁棒性，适用于在线实时处理场景。4)鱼类行为视频在线监测系统的设计与实现。在研究鱼体运动目标的检测和跟踪算法的基础上，初步设计与实现鱼类行为在线监测平台。