视频监控是计算机视觉领域一个重要的课题,随着摄像机价格的不断降低且功能越来越强,计算机能力的普及以及计算机视觉算法的日臻成熟,极大的发展了这一领域。由于视频信息量极大,所以监控起来很难,如果要人工监控的话,非常费力,所以我们要开发出有效的算法,让计算机能有智能地监控视频。要想有效地监控视频,我们必须要合理地分析视频的内容。由于视频是由一帧帧的帧图像组成的,所以要分析视频,首先要能视频帧提取出有效信息。帧图像一般提供这么几种常被用来提前的特征,如颜色特征,纹理特征,边缘特征等等,可以利用其中一种或几种特征的组合,来分析视频内容。视频分析一般分为这几个步骤,分镜头,提取关键帧,提取图像特征,目标跟踪,行为分析。本论文重点研究了分镜头,目标跟踪这两步骤,简单介绍了提取关键帧,并把几种提取关键帧的方法做了实验比较,还简单的说明了图像的特征提取,及几种特征的组合使用。在镜头分割方面,本论文采用了基于亮度直方图的方法,不过在此基础上,加入了边缘信息,在比较两帧图像差值时,不仅计算亮度直方图的差值,还要比较边缘点的变化率。这使得镜头的分割更加准确可靠。在目标跟踪方面,本论文基于Mean-Shift算法并做了改进,采用了一种新的亮度直方图模型,将像素的边缘,和位置信息充分考虑进去,这就使得亮度直方图包含的信息更多,跟踪的效果更好。