智能视频监控就是利用数字图像处理和计算机视觉的相关方法,解决传统上需要人为参与监控的模式,改为由计算机完成对前方拍摄的图像视频数据的自行处理达到对运动目标的识别检测跟踪的目的,并且能够在此基础上完成对运动目标相关的分析和判断,给出对其行为和动作的描述,实现在全程无人监控情况下的异常进行鉴别和自动报警,进而约束和指导人们的行动。目前智能视频监控的研究和应用是国内外的热点和难点,许多学者潜心研究该领域多年并且获得了大量可喜的成果。本文对国内外的成果做了详细的研究,对智能视频监控系统中的关键步骤——运动目标检测与轮廓提取进行了分析和研究,并在此基础上提出了并行化处理的想法。在运动目标检测问题上现阶段国内外主要的技术包括背景减除法、连续帧间差分法,包括两帧,三帧甚至是多帧之间的差分、光流法等。本文针对静态背景视频文件运用帧间差分法检测运动目标,再进行二值化对提取到的图像进行处理,比较了几种数学形态学相关算法的优劣,最后利用形态学中膨胀腐蚀操作对运动目标进行轮廓的提取,实验结果与之前理论上的分析一致。但是由于数学形态学运算计算量大在处理上很难达到人们对视频监控实时性的需求。考虑到膨胀腐蚀是一种可并行化处理的运算,为了提高数学形态学运算的速度,提出了图形处理器GPU (Graphic processing unit)的相关概念,并对图形处理器硬件结构以及CUD A (Computer Unified Device Architecture)平台如何在图形处理器上并行处理形态学算法进行了分析,将CPU的串行处理与GPU并行处理能力进行了比较。文章最后给出了膨胀算法在GPU上并行运算的详细实现过程以及说明编程过程中为充分利用GPU资源所需要注意的具体问题。实验结果表明,GPU在并行处理数学形态学算法速度上较CPU串行处理可以达到多倍的提高。