安全作为学校发展的底线要求,是校园建设的核心之一。随着智慧安防的逐步兴起,智慧校园已不再是一种理念,而是慢慢的转变为现实中的广泛应用。其中,安防是智慧校园的核心之一。当前,视频监控已成为学校安防建设的标配,但是,现有视频监控系统还主要停留在客观场景的实时观看和回放,基于人工智能等技术的视频安防识别应用程度还很低,如何利用人工智能、视频识别等技术,建立智能化的校园视频监控识别系统是智慧校园亟待解决的难题。针对当前校园视频监控系统中存在的不足。以校园安防为起点,基于视频分析技术,研究了校园安防场景下的视频人车目标识别、烟雾自动检测、行人检测等关键技术,并设计实现了基于视频分析技术的校园校园安防系统。本文的主要工作和成果如下:(1)针对传统烟雾检测在准确度和实时性上存在的不足,提出了一种基于光流改进与Yolov3的烟雾检测方法。首先通过改进光流算法对动态前景区域进行目标框定完成一次筛选;然后将初筛结果输入Yolov3模型进行二次识别和筛选,从而达到检测烟雾目的。通过对比实验结果表明,在各类烟雾检测任务中,该方法可以有效地减少外界因素干扰,完成烟雾检测任务。(2)针对行人识别统计中单一特征提取上的不足,设计实现了一种基于多特征融合的行人检测和统计算法。对多个特征进行特征的融合和选择优化,通过正样本和负样本对SVM分类器进行模型训练,对输入的图像进行行人识别。最后利用结合卡尔曼滤波器的mean-shift跟踪算法对设定区域内的行人进行统计和分析。(3)实现了一个基于视频分析技术的校园安防系统。系统结合了上述研究成果,实现了烟雾自动识别、行人检测与统计、人脸识别、车辆识别等安防模块的集成,建立起了一个基于视频分析技术的校园安防系统。所提算法的实验结果证明,本文提出的基于视频分析技术的校园安防系统方案可以有限地实现从人防到技防的转变。较好地满足现阶段需求,具有较好的实用价值和推广价值。