随着“平安城市”建设计划的进一步深入，城市视频监控的基础设施已经广泛部署于各大中型城市中，其在公交指挥、刑事侦查、公共安全、城市信息统计等诸多方面起到重要作用。虽然目前基于IP网络的视频监控系统已被广泛应用，但是面对这些海量的、非结构化的实时视频数据的分析工作，还只能依靠人力来完成，总体上缺乏一个高效的、基于目标对象的智能化检索应用体系结构。针对这一问题，本文设计实现了一个基于MPI并行框架、面向目标对象的视频检索系统，主要研究内容如下：研究并设计运动目标检测模块，实现从视频数据库中检测并分割出运动目标图像。本文分析了现有运动目标检测算法的优缺点，设计一种码本背景训练算法的并行优化策略，有效提高背景模型计算速度。同时，提出一种基于混合策略的运动前景判别算法，综合利用混合高斯算法与码本算法的优势，提高了运动目标的检测精度。在4台MPI并行机实验环境下，码本背景训练算法的并行加速比高于3.9，基于混合策略的前景判别算法在相同时间的条件下，获得了更高的检测精度。实验证明了运动目标检测模块的可用性和高效性。完成基于颜色特征的目标检索模块设计，提取运动目标数据集中各图像的颜色特征，并与输入图像进行相似度测量。本文从颜色特征作为目标检索主特征的合理性出发，分析现有颜色特征描述方法的优缺点，设计采用颜色相关图特征对目标图像进行检索匹配，并通过数据并行、虚拟拓扑等并行优化策略，实现了颜色相关图提取算法的并行加速。实验证明，基于颜色相关图的目标并行检索算法，并行加速比达到3.0，目标检索模块检索结果准确。以MongoDB文档型数据库为基础，设计一套可高效耦合各级计算单元的数据结构体系，研究了半结构化目标数据库的构建策略及其实现。同时，描述了一种基于局部散列函数的索引构建算法，将相似图像的高维特征投影到一维汉明线性空间中，从而提高对海量高维数据的检索性能。本文提出的并行化视频检索系统原理清晰、结构合理，能够从海量视频数据中检索到与输入目标图像相似的运动目标。同时，该架构充分利用视频数据及其处理算法固有的并行能力，在保证算法精度的条件下有效提高系统运行性能。