随着社会公共安全需求的提高,智能视频监控技术正逐渐成为计算机视觉领域一个新兴的应用方向和备受关注的前沿课题。它的研究目标是在不需要人为干预的情况下,利用计算机视觉技术、图像视频处理技术和人工智能分析技术对摄像机拍摄的图像序列进行理解分析,实现对监控场景中运动目标的检测、识别和跟踪,并在此基础上分析和判断运动目标的行为,从而理解图像内容的含义,必要时可及时采取相应的措施来应对监控场景中的突发事件。目前,智能视频监控技术在理论和应用上都面临着很多难题,国内外大批学者投身于该领域的研究和探索,并且取得了大量的成果。本文是在这些成果的基础上,较系统地研究了智能视频监控中运动目标的检测、跟踪和行为分析方面的理论和方法。同时针对现有的视频监控系统大多建立在PC机上,成本较高、可靠性和便携性较差且难以满足视频实时处理分析的要求等问题,研究了算法在数字信号处理器DSP上的实现和相关程序代码的优化。在运动目标检测方面,本文首先对现有的运动目标检测技术进行了综述,详细的介绍了几种常用的运动目标检测方法,提出一种基于梯度图像,融合帧间差分和背景差分的运动目标检测新方法,该方法经实验验证具有较好的目标检测效果。在运动目标跟踪方面,考虑到视频监控的复杂性和特殊性,本文混合使用卡尔曼跟踪算法和Mean-Shift算法,给出了一种稳健的跟踪视频目标的方法,并通过实验验证了算法的可行性和性能。在运动目标行为分析方面,本文研究和分析了几种主要的行为分析方法,根据实际需求较深入地研究了一种基于三层模型的行为分析方法,并将运动目标的行为分析和特定的监控场景结合,最终通过实验验证了改进后的方法效果良好。最后本文研究了TI公司DM642芯片的内部结构和开发过程,将上述算法程序代码移植到DM642上,最终设计了一个智能视频监控的原型系统,并对系统中的程序代码进行了优化,使得系统运行速度得到了较大的提高,满足了视频实时处理的要求。