当前社会的安全意识日渐增强,半自动化视频监控系统已经在工民建及军事领域等方面发挥着越来越重要的作用。近年来,视频目标检测、视频目标识别、人体跟踪与动作识别的研究一直是业内的研究热点。论文针对复杂背景的视频监控智能处理的关键问题开展研究,包括对不同移动物体的分割,人体识别,以及动态环境下的人体跟踪。论文研究了视频监控系统中关键问题的优化算法,搭建了一套智能视频处理框架,通过对不同公开的监控录像数据集进行测试,来衡量论文算法性能。整个框架算法划分为多个不同的子模块。论文主要工作及创新点如下：1、提出了一种新的鲁棒性移动物体检测及分割算法嘈杂动态背景下实现视频监控序列前景物体的准确分割对于后续实现有效的视频序列增强、特征提取和识别算法至关重要。论文提出了一种新的鲁棒性移动物体检测及分割算法。该算法采用两层两级分割,基于二次修正优化模型和基于强度分量的高斯多元自适应阂值方法改进了移动平均背景模型。多元自适应阙值的方法同时用于更新系统的环境变化,从而使其具备更好的鲁棒性。本文中提出的方法对多种环境进行测试,实验结果表明,该方法比其他几种流行的视频目标提取技术具备更高效和鲁棒性。2、提出了一种简单实用的移动人体检测算法人体检测是自动化视频监控的关键环节。论文的第二个主要工作是提出了一种简单实用的移动人体检测算法。基于人体模板的五个人体部位形成一套简单、可靠、易于计算的特征集合,这些特征简单,不会随着姿态和移动而发生改变。利用从两组不同的人体模型,通过FF神经网络训练特征向量,进行了人体识别。该算法对不同环境进行了测试,实验结果表明,该算法比同类其他特征集算法的识别方法更可靠、高效。3、提出了一种部分人体追踪方法追踪是智能视频监控系统中的重要步骤。论文提出了一种部分人体追踪算法,能够对全部或部分可见的视频人体进行跟踪。该方法基于Kalman滤波器,通过每次使用新的特征集,估计目标人体在下一帧中的位置。论文结合上述提出的所有算法,搭建了一套高效、鲁棒的智能视频分析系统,能够进行移动人体(目标)的检测、识别以及部分遮挡的可视跟踪。论文中提出的算法与方法已经经过全面的实验工作验证,其实验结果也与现有的其他方法进行了比对。