随着电子技术、通信技术、计算机视觉技术的发展,智能视频监控系统的研究与应用日益得到人们的重视.运动检测作为智能视频监控系统中视频处理的第一步,具有非常重要的地位,同时也是一个技术上的热点和难点.该文主要研究在智能视频监控中进行运动检测所涉及到的各种算法:背景模型的初始化、运动检测和运动投影检测算法.由于基于混合高斯模型的背景相减法具有简单性和有效性,它在视频监控系统的运动检测中得到了广泛的应用.背景模型的初始化是实施这一算法的第一步.该文针对不同情况使用了不同方法进行背景模型初始化.针对不存在纯粹背景的训练视频序列的情况,该文提出了一种新颖有效的背景模型初始化算法.这个算法首先找到训练视频序列中像素值保持稳定的子序列,根据图像局部光流信息计算子序列为背景的概率,然后用概率最大的几个子序列的均值和方差来初始化混合高斯分布的均值和方差,并从子序列的概率得到高斯分布的权值.如果像素的稳定子序列数目少于高斯分布数,则用K-mean算法对非稳定子序列像素进行聚类,用聚类结果初始化背景模型余下的高斯分布参数.这个方法能够体现背景像素的多模态性,从而可以处理背景的扰动.为了处理背景长期的缓变、背景运动以及全局光照的突然变化,该文提出了一个融合两种运动信息的分级运动检测算法.算法包括像素级、区域级和帧级处理.像素级处理中,改进了传统的基于混合高斯模型的背景相减法,使其能够更好地适应背景的缓变;同时,提出了一个能够及时适应背景快速变化的累积时间差分方法,用它的处理结果作为辅助信息,改善背景相减法的运动检测效果.区域级处理将检测到的运动像素聚合成运动区域,并融合像素级两种方法的处理结果,使得算法既能适应背景的缓变,又能适应背景的快变,解决了背景物体运动的问题.帧级处理主要解决全局光照变化情况下背景模型的重新初始化或者多个背景模型切换的问题.实验结果表明,这个算法能够实现稳健可靠的运动检测.为了排除运动投影干扰,该文针对交通监控场景提出了一个自适应分级运动投影检测算法.与运动检测算法一样,这个算法包括像素级、区域级和帧级处理.像素级处理根据梯度信息和背景期望亮度值、色差值与阴影亮度值、色差值各自比值的统计特性,估计像素为阴影的概率.区域级处理考虑了运动投影像素间关系、尺寸特点和几何位置特点,剔除像素级处理的误检,得到真正的运动投影区域,并对有关参数进行自适应更新,使得算法能够适应场景中光照的缓慢变化带来的运动投影性质的改变,这也是在运动投影检测中引入这些参数的一大好处.帧级处理主要解决全局光照突然变化有关参数的重新初始化或者多组参数切换问题.这个算法应用在交通监控场景中,能够有效抑制运动检测结果中的运动投影.该文算法经过实验验证,得到了良好的实验结果.这些算法具有良好的模块化结构,易于扩展和移植,能够非常方便地应用在智能视频监控系统中.