当今社会视频监控已经广泛应用,随着国家“平安城市”政策的实施,以后会安装更多的视频监控设备。安装视频监控设备的一个重要目的是为了确保社会平安,有效地预防和侦破违法犯罪事件。违法犯罪事件发生后,监控视频将会成为公安刑侦人员破案的极为重要的工具。但是目前公安刑侦人员在使用这些监控视频时,几乎全靠人工肉眼观察,可以说效率是很低的。为此本论文研究了基于Hadoop集群上对监控视频中人-车目标的并行检测与跟踪方法,完成了下列研究内容:(1)针对帧差法具有较高的并行性,便于在Hadoop集群上实现,本论文对于帧差法常常存在孔洞的问题,提出了一种对孔洞的有效填充方法,对帧差法得到了良好的改进,效果较好。(2)对监控视频按照Hadoop的并行机制设计了视频的分段的方法,使每个视频段在Hadoop的一个Map任务内用本文所提出的改进帧差法进行运动目标的分割,在视频段的层次上实现了对整个视频的并行目标分割,与单机相比较大地提高了分割效率。运动人-车分割为活动的人-车跟踪奠定了基础。但目标跟踪有时间上的顺序,保证了各个Map间分割结果的传送到Hadoop Reduce中时间顺序的正确,本文设计了由Map传送到Reduce的键值。(3)为实现对视频中远距离人-车运动目标的跟踪,克服缺乏如清晰人脸、车牌号等局部特征的弱点,本论文采用颜色直方图作为运动目标的特征,对所分割出的运动目标在RGB颜色空间中进行了8×8×8等级的直方图特征的提取。(4)由于颜色直方图对非常小的区域来说无明显的特征意义,本论文对粒子跟踪算法中粒子的产生方式进行了研究,改进了粒子的产生方式,大大减少了粒子数,但又保障了粒子的新鲜性,既避免了粒子过早地退化,又提高了算法的计算效率。(5)对整个视频中一个运动目标的跟踪来说有时间上的顺序依赖性,本文研究了在Hadoop的Reduce中来实现运动目标跟踪的合理性,设计实现了基于分割出运动目标进行人-车多目标的改进粒子滤波器跟踪算法,避免了将运动车辆跟踪到停放着的相似车辆上;又通过改进的粒子产生与演化方式,有效提高了粒子跟踪算法的计算效率。(6)实现了整个基于Hadoop集群的监控视频多运动目标跟踪实验原型系统。本论文所研究出的算法能为提高公安刑侦人员进行视频侦查的效率提供支持。