视频图像的智能分析是机器视觉领域研究的热点。主要包括图像处理、目标跟踪、目标识别、图像重建等内容,涉及多个学科。本论文就目前应用广泛、用户需求量较大的视频图像智能分析中关键技术的设计和实现作为研究对象,针对不同场景、不同案例,研究并设计不同算法,以期达到适合相关部门借鉴使用并为同领域研究提供可参考价值等目的。在本课题的研究过程中,所涉及的主要内容包括:本文首先研究了智能分析系统在整个监控系统中的位置,以系统架构图的方式整体表现其所处位置的优点,并根据智能分析系统的工作流程对系统中所涉及到的一些基本概念和基本算法进行研究,为实现具体场景下的相关算法设计提供基本的理论基础。然后,根据智能分析的工作流程,从背景建模、目标提取到确定可疑目标的关键技术进行深入研究。首先针对背景建模的技术进行分析,找出其各自优劣及其适用的不同场景,提出基于不变像素的背景建模算法,并详细的研究了背景初始化的近似颜色模式的均值算法和背景更新的局部色彩结合时间噪声的更新算法。其次,重点研究了目标提取中所采用的算法,根据目标提取的三部分:差分背景的二值化处理、静态图像的预处理、目标分离,研究并提出自适应阀值确定算法、闭开运算结合的去噪算法、结合目标标识的4邻域分离算法,并根据目标的不同特征,研究了如何选择特征区分目标的目标提取技术。最后,根据不同场景下确定不同可疑目标的思路,研究了与运动状态改变有关的可疑目标确定算法和与目标跟踪有关的可疑目标确定算法,其中提出了高速公路违章停车的算法设计,并针对公路上车辆逆行等运行轨迹如何跟踪,提出了目标匹配的设计算法,具体研究了目标预估模型设计的卡尔曼滤波器的输入参数设计方法以及确定目标后继的匹配函数设计算法。在研究算法的过程中,本文针对各算法设计给出了实现结果,并根据结果分析了其中存在的问题,提出相应的解决方案和后续工作中需要研究的重点,为从事相关研究的人员提供了可供参考的资料。