计算机视觉是人工智能领域的一个重要分支,也是目前实践应用较广的一个分支,其中,运动目标的跟踪与识别又是一个研究热点。在现今世界各国异常重视安全问题的形势下,智能监控系统的应用前景非常广阔。智能监控技术涉及图像处理、图像分析、机器视觉、模式识别等众多研究领域,是一种跨学科的综合性技术,也是一个极具挑战性的前沿性课题。本文首先简要介绍关于智能监控系统相关技术的国内外研究现状,集中阐释了目前智能监控系统中常用的技术并进行了优劣分析,介绍了相关技术研究的发展趋势。在此基础上,重点论述了完成的工作及主要贡献,包括以下三个方面：一、固定场景中运动目标的检测。总结了当前常用的背景减除法、时间差分法的算法原理,并通过实验总结了其优点和不足及其适用范围。二、复杂背景、低对比度条件下微弱目标识别与跟踪。根据课题分工,本文在这方面进行了一些探索。目前,对这些场合(比如夜景)多使用红外等手段,其实这些手段所得到的图像对比度并不低。本文提出一种多重处理方法,识别复杂背景、低对比度条件下的微弱目标。三、基于向量场模型行为分析的初步探索。这是一种针对视频监控系统中的行为分析的全新方法。首先从视频流获取一个动态的向量场,根据向量场中特定参量的特征变化判断视频中包含哪些事件,进一步判断是否发生异常。