智能视频监控系统是图像处理领域、模式识别领域的研究热点,对于军用及民用都有重要的研究意义,而基于红外摄像头的智能监控更有实现全天候工作的优点,能在夜间或恶劣环境下工作。本文以红外智能监控系统为应用背景,主要对其关键技术红外人体姿势识别方法中的红外目标分割、特征提取以及分类识别这几个方面进行了研究。对于红外目标分割算法部分,基于传统的区域生长算法需要以人工交互的方式选取初始种子点,本文提出了将视觉显著性与区域生长结合的方法对其进行改进。利用基于频谱残差的视觉显著性模型来确定目标的显著区域,通过对显著图进行处理得到目标区域的重心,最后以重心作为起始点进行区域生长分割,实现了目标分割的自动化。对于特征提取算法部分,针对由于红外图像的成像特点造成的其纹理信息差、灰度信息分布低等缺点,本文分别以几何特征、傅里叶描述子、Hu不变矩对图像的形状特征进行提取,并根据稳定性及可区分性原则对提取的特征进行了优化选择。对于目标分类识别算法部分,分别使用了KNN算法及SVM算法完成了对自创建的红外人体姿势图像库的姿势识别,并提出了根据DTW距离对FKNN算法的改进算法,提高了识别的准确率。通过实验验证了本文所采用算法的有效性,对智能视频监控系统的应用有重要的参考意义。