如今,监控视频广泛应用在在机场、地铁、车站、校园等公共场所中,深入到了人们生活的方方面面。随着视频监控相关市场规模的扩大,这些海量的监控视频对只能视频监控系统提出了新的挑战。然而,由于监控视频数量庞大,且具有非结构化的特点,使得目前对监控视频的并未有效的利用。为了有效利用监控视频数据,本文针对视频结构化技术进行研究,主要的研究内容如下:(1)提出了基于改进ViBe的视频前景提取算法。由于大部分监控视频的视频摄像头固定不变,使得监控视频中背景部分变化较小,而对监控视频感兴趣的部分也是视频的前景部分,因此,需要对监控视频提取前景作为后续研究的基础。ViBe算法速度快并且实现简单,但是存在鬼影现象,固定的阈值和更新概率也使得在复杂场景中适应性不够优异,本文针对这些问题,提出了改进方案,首先进行多帧初始化,并且使用动态匹配阈值来进行前景点判定,然后结合帧差法进行鬼影判定,接着以动态更新概率进行更新和邻域传播。最后,通过实验验证了该改进方案具有更好的综合评价。(2)提出了基于语义属性注入结合注意力机制模型。目前,注意力机制被广泛应用于视频描述语句生成的任务中,而将语义属性注入到语义描述生成模型中,也被证明能够提升执行效果。本文结合这两种方案的优点,提出基于语义属性注入结合注意力机制模型。对视频表示使用时间注意力来逐步关注视频中的各个部分,对于提取的语义属性通过语义注意力来关注各个语义属性,然后通过自适应注意力来动态调整对视觉信息和上下文信息的利用。最后,通过实验验证了该方案在视频的描述语句生成的任务中具有更好的效果。(3)设计并开发了面向监控视频语义建模系统。设计了该系统的总体架构,并详细叙述了系统中的数据管理模块、核心功能模块和交互展示模块,将基于改进ViBe的视频前景提取算法和基于语义注入结合注意力机制模型融入到相关模块中,最后对该系统进行了展示。