基于视频的各种监控系统目前越来越多地被应用于智能交通、安全监控等领域,对视频监控系统的智能化研究方兴未艾。本文对实现视频监控系统智能化的若干核心技术,重点包括基于视觉的目标分类、跟踪算法以及目标行为分析算法和视觉注意机制等进行了研究探索,并在对上述核心技术的研究、创新及实践的基础上,设计了一种具有一定通用性的,基于多监控区域的智能视频监控系统。基于视频目标跟踪处理流程顺序,论文首先对视频图像的处理技术,包括图像的特征提取、目标分类等进行了研究。对于视频目标的特征提取技术,提出了基于彩色信息的ICM图像签名,以及基于轮廓旋转截取曲线(SRIC)的图像目标特征,进而实现了更具区分性的基于ICM结合SRIC的图像签名,达到了优势互补。对于视频目标的分类技术,提出了一种基于SVM的非预知类别多类分类算法,借鉴了颜色表示体系中的知识。实验结果及分析验证了提出方法的有效性。为了对视频图像中的多个目标进行实时分割及跟踪,在介绍了tMHI方法及其不足之后,提出了适合户外复杂环境的isMHI方法,以及基于isMHI的多运动目标跟踪算法。该算法利用isMHI的灰度阶梯轮廓,对存在的子运动区域进行包围划分并予以标记,实现视频图像中运动目标的实时分割,进而将每帧isMHI图像中各个运动区域同场景中运动目标连续关联起来,实现对多运动目标的轨迹跟踪。为能同时跟踪进入视频场景后静止下来的目标,进一步提出了isMHI结合CamShift的多目标跟踪算法,当目标处于运动状态时,基于isMHI对其进行跟踪,而当某些目标转为静止状态时,则基于CamShift对其进行监视锁定,从而实现对进入视频场景中运动或静止目标的持续跟踪,以及目标全局行动轨迹的获取。实验表明,上述方法可以有效地分割并跟踪视频中的多个目标,鲁棒性好,检出率较高,并且处理速度较快,达到了实时性的要求。在利用运动跟踪结果实现进一步智能处理的研究中,提出一种基于HMM、对目标运动行为进行统计分析及识别的方法。以道路交通视频目标为例,将被跟踪视频目标的轨迹序列作为输入,并针对实际应用目标确定HMM的概率分布模型,分别求解HMM的估值问题、解码问题以及学习问题,可实现目标的行为识别、行为概率统计等任务。最后,为进一步提高视觉系统的智能化水平,引入视觉注意机制,提出了基于行为概率的目标注意模型,该模型属于任务驱动的高级注意模式,通过判别视频目标出现特定行为的可能性概率,生成当前的目标显著图,以对显著度大的目标采取相应处理措施。实验结果验证了使用该方法解决上述问题的有效性。作为所提出诸多算法的实践应用,论文最后设计了一个基于多监控区域,对多视频场景内容进行智能监控分析的通用系统方案。首先提出并实现了一个视频数码结合抓拍子系统,该子系统基于普遍的设备条件,将工业摄像机的实时性和数码相机的高成像性能相结合,通过网络及嵌入式计算机控制系统,实现对目标的高清晰度抓拍,从而使获取目标更精确的特征数据成为可能。另外,还对系统的目标连续跟踪、目标行为分析、目标特征提取、目标分类识别、视觉注意机制等主要功能模块进行了介绍,这些模块分别基于论文中提出的若干算法。最后给出了系统可能的应用方案,并对编程实现的原型系统进行了整合测试,验证了所设计系统的实用性。