计算机智能视频监控是计算机视觉领域一个新兴的应用方向和备受关注的前沿课题,是计算机科学、机器视觉、图像工程、模式识别、人工智能等多学科高技术的结晶。运动目标的检测与分类识别技术是智能监控中的关键技术,在虚拟现实、视觉监控、感知接口等领域均有着广阔的应用前景。本文介绍了所设计的监控系统硬件组成和软件代码的体系结构。针对实验室已设计监控软件在视频图像采集、记录以及控制等方面的不足,对已有软件进行改进,增强软件的智能性。同时,针对监控环境中摄像头固定不动的情况,对视频监控系统中背景模型的建立及更新、阴影去除、分类识别算法展开研究。本文利用背景减除法进行运动目标的检测,对传统单高斯背景模型估计算法进行改进,采用基于统计的方法进行前景与背景的判断,有效克服了物体运动状态发生改变——静止变为运动或运动变为静止时背景模型不能及时更新的问题。同时,利用阴影的光学特性,提出了消除阴影的数学模型,排除了阴影对后续分类识别等工作的影响。针对直立行走的运动人体识别问题,本文通过对运动方向与摄像头光轴平行和垂直两种情况下物体的形状特征进行分析,最终选用目标高宽比、占空比、物体高度6/7处的宽度与物体高度的比例三种形状特征。通过对常用的轮廓提取算法进行比较,确定采用改进后的形态学轮廓提取算法进行运动检测结果的轮廓提取操作,并在此基础上提取各形状特征。基于运动人体和某些常见运动干扰物线性可分的前提,设计最小距离分类器完成分类,并采用椅子、球体、箱体以及玩具模型进行实验,验证识别效果。本文将涉及到的算法和外设控制根据其实现功能的不同封装在不同的类中,使源代码易于移植和维护,研究结果为后续的目标跟踪、行为分析工作奠定了良好的基础。