远程视频监控系统是矿井安全生产系统的一个重要的组成部分,针对煤矿井下作业远离地面、环境恶劣、地形复杂的情况,地面监控人员可以对井下实时监控,直观监视现场的生产情况,及时发现安全隐患,防患于未然,同时能为事故后期分析提供第一手资料。目前井下视频监控主要依靠人工监控,日夜值守,工作量极其繁重,且由于固有的生理特点,可能疲倦和懈怠,难以达到实时、准确、主动的要求。现阶段热点研究的智能视觉监控技术可以最大限度减少人工干预,减轻了工人负担,提高监控效率。然而受井下环境背景复杂多变、噪声大、粉尘多、照度不均、分辨率低等因素的影响,易导致目标分辨性不强。若将现有检测算法直接应用于井下,效果并不理想。本文主要针对煤矿复杂环境通过计算机视觉方法来自动分析摄像机拍摄的序列视频图像,实现场景中目标定位、识别及跟踪,为进一步分析判断目标行为打下基础。本文主要工作如下:提出适合煤矿井下特殊环境的危险区域目标检测算法,解决多摄像机不同视角目标匹配问题。算法基于SIFT多尺度变换,将改进的K-d树用于特征点匹配搜索,提高了搜索效率,同时结合样本主成分分析实现特征向量降维,利用RANSAC和L-M非线性优化算法估计优化参数。算法对煤矿井下模糊、低照度、遮挡、高噪声和尺度变化等情况均有良好的鲁棒性,解决现有算法计算复杂,匹配时间长,复杂环境匹配精度低的问题。提出根据互功率谱相位相关冲激函数能量高效检测重叠区域实现图像快速粗匹配,对乱序帧制定排序方法,并结合多频带提升小波,利用数据相关性融合规则进行多分辨率融合实现无缝平滑拼接。实验表明,本文算法提高了匹配效率,拼接效果平滑自然,抗噪声、光照等环境变化,适合煤矿环境。针对Snake模型寻优过程中抗噪能力差、不能向凹处收敛等问题,对Snake模型进行改进,使其自动分配蛇点,具有拓扑自适应性,并将粗收敛结果作为粒子群算法的初始轮廓,同时提出自适应惯性权重非线性调整的学习策略,提高收敛精度。针对粒子群优化过程中易丧失群体多样性和易收敛于局部极值的问题,利用遗传算法中育种和变异思想改进,淘汰适应度低的粒子,增加相邻粒子间约束。单峰、多峰函数的测试和图像仿真结果证实了改进算法的有效性。结合基于GAC和C-V模型的变分水平集算法有效实现煤块分割,较好解决了大煤块堵仓问题。针对Camshift算法仅依靠颜色模型,直接将其应用于照度不均、噪声大的井下环境极易丢失目标的问题,提出融合多特征的自适应模板更新算法。新算法在Camshift算法基础上,融合纹理、边缘等特征,通过建立特征模板,各特征根据贡献度合理分配权重,在环境变化时自适应更新模板。通过划分子区域,提取各区域量化后特征直方图信息作为子区域特征,建立遮挡时目标跟踪模型。在不同环境中进行算法比较,实验证实改进算法可以实现特征间互补不足,有较强抗干扰能力。