视频监控中的人物越界检测技术对于小区安保，商场安全以及厂房管理具有很重要的意义。不仅能为小区，单位，企业节约人力成本，更能在全天24小时不间断的实时监控中实现预警功能。然而，当前市场上出现的智能监控产品造价昂贵，常常使中等收入的居民小区乃至许多的中小企业或单位都难以承担。本课题即来源于本实验室与广州市宏视电子科技有限责任公司的智能人物越界检测合作项目，目的是为中等收入的居民小区，单位，企业等提供廉价可靠的人物越界检测系统。　　 本文采用背景差即首先建立背景模型，然后用当前帧减去背景图像的方法实现运动检测。在利用连通区域检测得到图像中的运动区域之后，采用跟踪与分类交互工作的方法达到人物检测的目的。跟踪我们使用的是均值漂移(Mean Shift)算法，分类使用的是方向梯度直方图(Histogram of Oriented Gradient)加支持向量机(Support Vector Machine)的方法。这两种方法被认为是当前人物跟踪和分类方面最好的方法。　　 在系统设计与构建过程中，我们通过实验分析了Intel的开源计算机视觉库OPENCV的两种背景建模方法：混合高斯背景建模和基于贝叶斯理论的背景建模。实验结果表明，当场景中的像素值在时间轴上不服从高斯分布时，混合高斯模型的建模效果会很差，而基于贝叶斯理论的背景建模常常将运动较为缓慢的物体加入到背景中，造成漏检。　　 本文在对物体的运动和由于光照变化引起的运动进行相关的统计后发现，对于光照变化所引起的运动要慢于多数物体的运动。依据这一统计结果，本文从聚类模型中引申出较好应对光照变化的背景模型，而这种模型不要求场景中的像素值在时间轴上要服从高斯分布。实验表明，在各类不同场景下，我们的建模方法比OPENCV中的两种方法具有更好的适应能力。对于场景中的光照变化，树叶剧烈摆动等问题，本文中的建模方法也有较好的处理结果。　　 系统的开发设计严格遵照软件工程设计规范，从需求分析、概要设计、详细设计、实现和测试几个方面对人物越界检测系统进行了详细的介绍。首先采用数据流图分析了系统中数据的流动情况；然后采用结构化的设计方法描述了系统的总体设计和模块接口，并对主要模块采用程序流程图进行了详细设计；最后我们对系统进行用例测试，并展示了系统的主要输入输出界面以及实际应用效果。实验结果表明，本系统在普通条件下具有很好的人物越界检测能力；在光照变化强烈、阴雨等恶劣天气情况下，系统仍能达到较好的人物越界检测预警效果。