智能视频监控自诞生以来就一直是机器视觉领域的研究难点与热点。智能视频监控研究的内容包括运动目标检测、目标分类、目标跟踪、行为分析以及异常个体跟踪。目前关于这几个内容的研究算法层出不穷，但都在实时性和精确性之间，很难找到最优解。　　 本文在前人的研究基础上，以实时性和精确性为宗旨，重点对运动目标检测、目标分类、目标跟踪进入了深入研究。主要工作如下：　　 在运动目标轮廓提取方面，在相邻帧差法的优劣分析基础上，从系统整体效率出发，采用了一种具有自适应帧间隔的自适应相邻帧差方法来提取运动前景，其后采用高斯自适应阈值对检测出的前景图像进行二值化、膨胀、抽样等处理，以及采用Suzuki算法进行运动目标轮廓提取。实验表明，本文的方法能够满足视频监控系统对速度的要求，能够适应不同环境下多目标的运动目标轮廓提取。　　 在运动目标分类研究中，对运动目标区域特征的选择进行了深入研究。分别对离散度、长宽比、占空比、运动目标高度宽度、形心坐标、以及Hu矩不变量中的Hu1和Hu2进行了分析，发现长宽比、占空比和运动目标高度宽度能够有效地应用到运动目标分类中。随后，针对在实践中难以确定分类参数最优取值的难题，借助基于粗糙集的数据挖掘方法，得到了参数的最优取值范围。实验表明，基于数据挖掘得出的参数知识能够提高运动目标分类正确率。　　 在运动目标跟踪方面，根据分类出来的运动汽车和人这两类运动目标的不同特性，提出采用不同的策略来进行目标跟踪。对于汽车，采用基于形心坐标和Hu矩不变量构建特征矢量的跟踪方法；对于人体跟踪，采用基于颜色直方图和亮度变换函数结合的跟踪方法。本文着重研究了运动目标发生相互遮挡情况的跟踪，提出了一种采用SIFT特征匹配来解决目标遮挡的算法。实验表明，本文的方法能够对运动目标进行连续稳定的跟踪，能够解决目标之间的相互遮挡问题。