智能视频监控系统改变了原有视频监控系统中基于人工的监控画面监视和内容分析模式,在一定程度上为视频监控提供了更加广阔的前景和发展空间。但如何通过普通感知设备获取有价值的目标信息是当前智能视频监控系统的核心问题之一。为解决这一问题,基于分布式视频编码和视频修复研究感知优化方案以获得具有较高质量的感知视频数据。继而在视频目标分割算法的基础上研究内容分析方案,以实现对海量感知视频目标信息的可靠提取。本文主要工作如下:1)基于预测的分布式视频编码优化算法研究。根据采用无线多媒体技术的智能视频监控系统对感知设备低功耗、高效率的要求,研究分布式视频编码方案,并针对分布式视频编码方案受视频背景环境、目标运动等干扰因素影响造成的解码数据质量下降问题,提出基于预测的边信息生成算法。所提算法首先根据视频块属性和视频块间的运动关系建立边信息预测模型;而后基于边信息预测模型,以视频块为单位,根据视频块属性得到较准确的运动矢量,进而提高边信息质量。仿真实验表明所提方法能够在满足采用无线多媒体技术的智能视频监控系统要求的同时,缓解视频背景环境、目标运动等对边信息质量的干扰,从而提高解码感知视频质量。2)基于张量列秩的视频修复算法研究。为解决普通感知设备受光照、天气等因素影响造成的数据质量下降问题,研究视频修复算法,并针对数据退化现象中的数据缺失问题,提出基于张量列秩(Tensor Train rank,TT-rank)的视频补全算法。在所提算法中,首先考虑视频中可能存在的数据分布不平衡及数据信息冗余问题,采用近似张量求解算法调整张量数据,得到只保留重要信息的且信息分布较均衡合理的张量数据。其次,为更好地映射视频信息在修复过程中的影响,根据张量数据特征提出自适应权重机制得到每一维数据相应的权重值。理论分析和仿真实验表明所提算法能够在避免更换昂贵感知设备的同时实现对感知视频数据质量的优化3)基于吸收马尔科夫链的感知视频片段目标分割算法研究。在获取具有较高质量的感知视频数据后,在内容分析中,为建立面向海量感知视频数据的自适应目标分割模型,首先针对感知视频片段设计基于吸收马尔科夫链的视频目标分割算法,在目标较剧烈运动、较大形变等因素的干扰下,通过对时空域特征的充分考虑实现对感知视频片段目标的有效分割,并将分割结果作为标记数据用于感知视频目标分割方案中,以实现对海量感知视频目标的自适应分割。所提方案首先利用目标选块和边权重模型搭建吸收马尔科夫链有向图;其次,设计再筛选机制,根据利用吸收时间完成初次筛选后的目标选块的时空域特征,确定每张视频帧唯一的目标选块,并结合优化模型细化目标选块,以得到分割目标。仿真实验表明所提目标分割算法能够充分利用感知视频片段的时空域特征,从具有较剧烈目标运动、较大目标形变等干扰因素的感知视频片段中有效分割视频目标,为感知视频目标分割方法提供较准确的标记数据。4)基于注意力机制的感知视频目标分割算法研究。针对感知视频提出基于注意力机制的视频目标分割算法,结合感知视频片段目标分割算法,建立面向海量感知视频数据的自适应目标分割模型,通过对视频目标时域特征的充分考虑,来应对感知视频目标运动、目标形变等干扰因素的负面影响,实现对海量感知视频目标信息的可靠提取。所设计方案具有两个分支:深度网络模型和光流预测模型。深度网络模型首先利用注意力机制突出视频目标相关特征;继而采用三维卷积和基于注意力机制的残差卷积长短时记忆网络以更好地获得目标时域特征。与此同时设计光流预测模型以降低背景运动对目标分割性能的影响。最后,采用残余区域清除算法清除分割结果中的非目标区域,得到分割目标。仿真实验表明,结合得到的标记数据,所提视频目标分割算法能够充分考虑感知视频时域特征,在视频目标运动、形变等的干扰下,完成对海量感知视频目标的自适应分割,实现海量感知视频数据目标信息的可靠提取。