随着时代的进步和发展,人们对社会安全问题越来越重视。视频监控在其中发挥了重要的作用。随着计算机技术和硬件技术的不断发展更新,为视频监控技术的智能化发展提供了充分的硬件平台和技术支持。而对视频中的运动目标进行检测和分析是智能监控的关键技术之一。在实际生活中,视频中大部分有意义的信息都包含在运动目标当中,而智能视频监控就是希望通过计算机来完成运动信息的处理。本文对智能视频系统中的三个部分作了相关研究,包括运动目标的检测技术、运动目标的跟踪技术和运动目标的分类识别技术。对各部分进行研究的主要内容如下:1.针对自适应混合高斯背景建模学习较慢的问题,本文提出了一种新的学习因子,该学习因子的学习速率随着权重的变化而变化。通过实验对比,证明了该学习因子能够加快均值和方差的学习。由于检测出来的目标存在阴影,本文阴影在HSV(Hue,H;Saturation,S;value,V)空间的特点,提出了一个基于自适应混合高斯模型的阴影检测方法。该检测方法是通过对S、V分量的控制实现阴影检测。通过实验对比,证明该检测模型的时间消耗相对较少且能够有效的消去目标存在的阴影。2.为了能够更为准确的提取出目标特征,提出了一个加权“均值”,采用该“均值”替代其核Fisher判别分析中的类样本均值进行目标分类识别。该“均值”是对每类的每一幅图像进行加权平均,随着每类图像的不断输入权重不断减小。采用该算法进行了两组对比实验,实验一是对视频中的运动目标进行分类识别,实验二是对人脸进行识别。经实验证明该算法能够快速且准确的识别出目标。3.针对传统方法中阈值需要根据不同的背景不断调整的情况,提出了一种自适应的阈值与Kalman滤波相结合的跟踪方法。该阈值通过对每幅图像进行列平均之后排序,取其中的中间值的0.35倍作为背景差的阈值。采用该阈值与Kalman滤波的结合能够较好的跟踪运动目标。