近年来,对于传统视频监控系统的智能化水平的提高成为视频监控系统中的技术升级的核心任务。而对于运动目标的分类识别技术及基于规则的运动目标行为分析技术的研究成为了视频监控智能化的重要研究内容之一。它们属于高层次图像语义分析,目前还面临许多难点,最主要还是因为低层次和中层次的图像信息源带来的影响。本文重点研究了基于几何特征的运动目标分类识别技术及基于绊线检测规则的运动目标行为分析技术,主要的工作有:(1)针对运动目标外轮廓对目标分类识别中的几何特征提取的影响,设计了一种精度更高的运动目标外轮廓提取方法。首先通过GMM前景检测方法得到粗步确定的运动目标区域,然后通过含标记的分水岭方法进行外轮廓区域粗步定位,最后通过基于HVS空间阴影去除方法及目标重构方法进行外轮廓区域精确定位,从而提取出精确的外轮廓。实验结果表明,能够得到更精确的外轮廓。(2)为提高基于几何特征的目标分类识别方法的平均识别率,设计了一种改进方法。首先,在模式类的预定义上,依据目标的外轮廓形态差异,将预定义的模式类进一步细分成子模式类;其次,在特征提取上,先提取出高维度特征,再使用伪划分的方式形成子特征向量组来多角度描述目标;最后在分类器分类策略上利用上述子特征向量组的分类结果综合判定得到最终分类结果。实验结果表明,该方法对预定义的4个模式类(人、小汽车、电动车、小人群)有好的结果,平均识别率达到了99.48%,相对于传统方法提高了1.8%到4.0%左右。(3)针对当前绊线检测方法的智能化水平较低的情形,设计了一种面向智能视频监控的智能方法。该方法首先利用运动目标的轨迹信息和计算几何算法完成单向和双向绊线检测;通过扩展定义轨迹异常规则,完成对可疑目标的判别;其次利用运动目标分类识别方法分类获取违规目标的类别;最后通过与违规目标关联的多种基础信息和事件生成机制,生成面向智能视频监控中可用的违规事件。实验结果表明,该方法有较好的检测效果,事件信息平均正确率达到91.6%。