现在网络、图像处理和微电子技术以前所未有的速度发展,视频监控因其简便、直观和数字化等优点在监控系统中得到广泛使用。监视视频图像的质量将直接影响监控系统的使用效果。夜间视频监控系统收集的图像总是图像质量偏低,不便于对监控视频的可疑人物进行识别。因此研究夜间监控视频的图像增强是一项很有意义的工作。本文在已有的图像增强技术基础上,研究了防止增强过度和噪声过大的基于Retinex理论的图像增强技术,并且结合了夜间行人检测模型,检测出仅含有行人的图像用于图像增强从而减少了监控视频需要增强的图像数量。最后结合行人检测模型和图像增强模型给出了用于企业危险源的监控视频图像增强系统。总体来说,本文的主要研究工作如下:(1)研究了夜间监控视频的行人检测模型。基于改进的Faster R-CNN模型,对其中的锚点框进行改进,以便更好地反映行人的形状。该模型能够准确识别出夜间监控视频中的行人,并有效地记录含有行人图像。(2)研究了基于具有图像去噪的Retinex图像增强模型。将含有行人的彩色图像由RGB空间转换为HSV空间,并且只对HSV空间的明度V进行增强处理。针对传统图像增强常见的过度增强和噪声放大的问题,使用Retinex原理和WVM分解明度V,并对分解得到的照明层进行阴影提升和图像去噪等一系列处理,该模型增强图像的同时避免了图像的过度增强以及图像噪声的放大。(3)设计并实现了一个视频监控图像增强原型系统,对本文的模型在工程上的有效性和实用性进行了验证。该系统含有行人检测、图像增强、报警三大主要功能模块,能够有效的完成日常监控的需求。采用真实数据对系统进行了性能方面的测试,结果分析显示出本文系统可以准确识别夜间监控视频的行人并同时对监控图像进行图像增强。综上所述,本文的主要工作是研究了一种Retinex图像增强模型,并结合改进的Faster R-CNN的夜间行人检测模型,仅增强含有行人的监控图像,让所需处理的图像进一步减少,提高了效率。最后,通过设计和实现监控视频图像增强原型系统验证了模型的可行性。