视觉注意是人类处理视觉信息的一种方法,而智能监控系统要实现的目标是让摄像头充当我们的眼睛使得我们的生活更智能化,因此将视觉注意机制的算法引入设备中,这使得嵌入式设备更像人的眼睛,并且也能帮助嵌入式设备筛选出重要的信息,加快视觉信息的处理速度。同时,将嵌入式设备接入网络,可以形成庞大的视联网,为城市的各行各业服务,实现真正的智慧城市。本文主要对视觉显著性计算方法与一般的运动目标检测方法进行深入研究,提出将视觉显著性计算方法引入运动目标检测算法中,来检测显著的运动目标,然后结合多目标跟踪实现车流量检测的算法,最后将算法移植到在Exynos 4412处理器平台上。针对本文研究的主要内容,首先对当前主流的视觉显著性计算方法进行研究,并结合算法的对比效果与实时性,选取HC算法计算图像的显著性;然后研究了经典运动目标检测算法中的背景差分法,选取ViBe算法计算运动区域,并对ViBe算法进行了一些改进,可以消除鬼影,并且当出现误检时,可以减少消除误检所需的时间;然后本文提出了一种基于显著图和Vi Be算法的显著运动目标检测算法,该方法利用改进的ViBe算法计算时间显著图和HC算法计算空间显著图,然后以时间显著图中的运动目标为指导,在空间显著图中计算该目标的显著性,并判断该目标是否是显著目标,如果是,则对该目标进行空时显著性融合,得到空时显著图;最后对图像进行自适应阈值分割,获得最终的运动目标,该算法与经典运动目标算法比较,可以有效解决算法中产生的鬼影、阴影以及一些不显著运动目标问题;然后对检测的显著运动进行跟踪,并通过绊线检测来统计各个方向的车流量实现车流量检测,本文多目标跟踪算法使用Kalman滤波与Hungary任务分配算法实现;最后在搭建好的嵌入式软硬件平台上,移植车流量检测算法,实现了智能监控系统中车流量检测的功能。