随着智能科学技术的发展,监控视频的智能分析技术逐渐融入到人们的生活中,并逐步进入人们的各项生产中,成为研究领域的研究热点。传统监控视频不能及时从大量的监控视频资源中准确地提取所需信息,监控视频智能分析技术因其高效、准确的特点受到人们的青睐,应用领域越来越广。其中,监控视频智能分析技术应用于建筑节能方面是其应用领域之一,具有重要的研究价值,并为现代建筑节能提供新的思路。本文对大型公共建筑监控系统中的智能监控分析技术做了研究,并提出了一些新的算法,利用智能监控视频分析技术来实现人员的检测、追踪、与室内人数估计,建立人员模型,并归纳出建筑物内的实验室和办公室的的人员分布规律,提出关于空调系统和照明系统相应的建筑节能策略,实现建筑节能的高效化与智能化,并用eQuest做了节能模拟实验。本文的主要研究工作如下:1.针对建筑物内光线暗,对比度和分辨率低的楼道环境,本文提出了基于直方图均衡化与Retinex的图像增强算法。视频图像经过图像增强处理后,提高了相应后续处理算法的准确性。2.经过传统的运动目标检测算法处理而得到的前景目标是不完整的、不精确的,对于这个问题本课题提出一种基于颜色和纹理特征的运动目标检测算法,用视频第一帧建立颜色背景模型和基于XCS-LBP的纹理背景模型,在前景检测时用颜色模型进行前景初次判断,初判断为背景再通过纹理模型进行前景的二次判断,提高前景检测的准确度,最终得到的前景进行前景更正处理使获得的前景更加完整。3.针对复杂场景下的运动目标跟踪,本文提出了基于SURF(Speeded Up Robust Features)特征匹配算法和Kalman的运动目标跟踪算法。首先,卡尔曼滤波算法用于估计当前帧的运动目标位置,并提取特征点,通过区域与模板间的特征点进行特征匹配,把匹配成功的特征点,选取特征的重心作为当前目标位置,返回给卡尔曼预测器,实现运动目标的跟踪,能够满足监控系统对跟踪算法实时性和鲁棒性的要求。4.为了获得区域内的室内人数,本文提出了基于双绊线的室内人数估计策略。根据估计的区域人员数据,对相应区域的人员分布模型进行统计与归纳得出相应区域的人员分布和变化规律。5.根据前期监控视频智能分析技术的研究,利用其对公共建筑内人员的检测、跟踪、室内人数的估计、人员分布模型的建立,提出相应的节能策略,最后用eQuest软件模拟了能源消耗量,显示了节能策略的高效性,实验结果表明根据监控视频智能分析技术应用在建筑节能中,全年电能消耗减少11.7%,空调系统的电能消耗减少14.2%,全年照明系统的电能消耗减少2.7%,因此监控视频智能分析技术应用在建筑节能中具有巨大的节能潜力。