随着数字监控设备技术的发展以及成本的降低,越来越多的监控系统被应用于交通、安全等领域,同时监控设备连续的工作产生了大量的数据。如何对这些数据进行智能处理是一个值得关注的热点问题。一个智能的监控系统涉及到了视频处理技术的不同层次,从底层检测跟踪到高层的事件检测。针对以上问题,论文基于轨迹片段关联技术对智能监控系统中的目标检测与跟踪、场景模型建立以及视频事件检测进行研究。提出一种层次化的轨迹片段关联方法。由于目前目标检测方法的不准确无法实行对感兴趣目标完整且连续的检测,从而造成目标在被监控场景中时断时续的出现,对目标跟踪造成干扰。本文提出一种层次化的轨迹片段关联方法,将属于同一目标的多个轨迹片段关联起来实现对多个目标的稳定跟踪,通过分层的关联有效降低关联问题中搜索空间维度,提高关联效率。在运动目标跟踪方面,提出了一种基于轨迹片段关联技术的多目标跟踪方法,实现在复杂场景下目标间遮挡以及目标被场景遮挡时的目标跟踪。通过对检测结果进行初步关联和更高层的分层关联将由于遮挡或检测误差引起的目标轨迹片段关联起来形成目标的完整轨迹实现对目标的跟踪。该方法克服了检测误差以及遮挡引起的跟踪问题,同时通过逐步增加关联时间阈值的分层关联克服了传统基于关联方法搜索效率低的问题。在运动目标检测方面,提出了一种基于轨迹片段关联的增强目标检测方法。通过讨论目标检测与目标跟踪各自的特点,结合目标检测的单帧信息与目标跟踪的时间信息,将目标检测与跟踪方法放在同一个优化问题框架下。采用轨迹片段关联技术的分层关联在实现目标跟踪的同时提高了检测的准确性,并能够纠正错误的检测结果。监控场景模型建立方面,提出了一种基于轨迹片段关联技术的场景模型建立方法。通过对同一目标的轨迹产生多个轨迹片段的原因进行分析与计算,建立了场景的进入、离开区域模型以及场景遮挡物和目标主要路径模型。不同于基于轨迹统计的场景建模方法,本文的方法不需要以大量的轨迹数据为前提,可以边跟踪边学习建立场景模型。获得监控场景模型的这些元素有助于提高目标跟踪的效果,同时对更高层的视频事件检测提供帮助。视频事件检测方面,提出一种基于轨迹片段关联的简单事件检测方法和基于场景模型的目标异常行为检测方法。通过贝叶斯公式对目标轨迹产生片段的时空位置进行计算得到目标进入、离开场景以及目标之间合并、分离简单事件的发生概率,结合隐马尔科夫模型对简单事件进行建模实现对复杂事件的检测。通过分析目标轨迹与场景模型的一致性,可以判断一个目标的行为是否异常。通过计算目标轨迹的观测序列与场景模型的隐马尔科夫模型的相似概率,可以得到目标行为异常性的概率表示。