智能视频监控技术是现今研究的热点之一,关系到维护社会的稳定、生产的安全、人民和谐生活等等。目标的检测和运动分析是目前智能视频监控的研究热点,本文从实际场景出发对目标的检测和运动分析进行了深入的研究。目标检测是视频监控的基础,关系到后续的各种分析研究。本文首先从运动信息出发详细介绍了几种视频处理中的运动目标检测技术,并分析概括了它们各自的优缺点以及适用场景。对混合高斯模型不能解决场景中光照突变的问题提出了改进方法:使用三帧差结果和混合高斯结果估计全局光照发生突变瞬间的前景运动区域。该改进方法检测效果远好于原混合高斯模型算法。对混合高斯背景模型提出了基于滑动窗口的更新策略,该更新策略不仅对背景的建模和前景的检测均无明显的不良影响,还能进一步提升效率。本文以混合高斯检测的前景为基础提出了基于运动区域的光流矢量计算方法,使用图像金子塔思想精确计算光流场特征用于运动分析,提升了计算效率。然后,本文从利用特征信息检测目标的角度出发介绍了计算机视觉领域内的两种特征描述子:HOG特征和Haar-like特征。对特定目标的样本提取特征训练分类器,能够很好的检测出监控视频中的该类目标物体。本文在交通场景中的车辆运动分析研究中,利用特征信息(车型和颜色)对交通视频中的特定车型和颜色的车辆进行筛选以及车流量的统计。使用文中介绍的特征描述子训练的分类器能够将车型相差较大的车辆区分开来。实验中采用运动信息与特征信息相结合的方式检测车辆以减少复杂背景的噪声干扰。结果表明,运动信息与特征信息相结合的方式不仅能有效消除复杂背景的影响,还能有效提高检测速度。本文在室内场景中的人体运动分析研究中,首先以双摄像头监控为例研究解决目标被遮挡的问题。实验中结合运动信息与特征信息检测行人并标记行人在场景中的位置。然后计算光流场特征研究分析人体运动行为。实验中采用基于运动区域的光流法计算运动场,并对人体不同运动行为提取了四种运动场特征行分析研究,采用训练分类器的方法识别不同的运动行为,得到了较好的识别检测结果。最后,对本文的工作进行了总结,并提出了文中的不足和对未来工作的展望。