随着计算机视觉和数字图像处理技术的快速发展，智能视频监控技术越来越受到人们的重视，已在交通、社区、军事目标和公共场所等场合发挥着重要作用。因此，如何在实时监控画面中对场景中的运动目标进行检测和定位，进而对目标进行跟踪和识别，并在一定程度上分析理解目标的行为，成为了人们研究的热点。本文主要研究运动人体的检测与定位技术，它是智能视频监控中的关键技术之一。本文研究的主要内容是基于形状复杂度的运动人体定位技术。为了提高处理分析的速度和精确度，首先对采集到的视频图像序列进行预处理，预处理方法有灰度化、去噪、直方图均衡化和图像二值化等。灰度化处理可以压缩视频图像的存储空间，提高运算速度；噪声处理减少图像采集系统和自然环境对监控画面的影响，使运动区域检测更加准确；直方图均衡化增加了图像前景和背景的对比度；图像二值化突出前景，忽略背景，有利于后续的处理分析，同时大大减少了运算量。为了将运动区域从背景图像中检测出来，本文采用了基于帧间差分法的背景建模方法。选取早、中、晚三种时段不同光照强度下建立的背景图像进行对比，确立了可变背景更新速度系数的建模方案，然后将当前视频帧和建立的背景模型相减，获得运动区域。针对运动区域可能存在阴影的情况，本文采用了c1c2c3模型进行阴影检测与消除；针对检测结果存在小块面积的突发噪声，本文通过实验设定阈值，当区域面积小于该阈值时，认定是突发噪声进行去除；针对运动区域存在的区域不连通，边缘不完整和毛刺现象，本文采用形态学处理方法消除细小的毛刺，填充区域空洞，利用局部极小值法修补损坏的边缘，最终得到完整的运动区域轮廓。为了将人体从所检测出来的运动区域中区分出来，本文提出了一种加权的形状复杂度分析方法，大大提高了人体和其他运动物体之间形状复杂度的区分度。实验结果表明，本文采用的基于加权的形状复杂度的运动人体定位方法能够减少自然条件的影响，快速准确地定位运动人体。