智能视频监控技术是计算机视觉领域一个重要的应用方向,同时也是备受关注的研究课题,涉及计算机视觉、图像处理、人工智能、模式识别等多个学科知识。智能视频监控系统与传统的监控系统最大的区别在于具有智能性,通过自动分析监控视频的内容,实现对监控场景中运动目标的检测、识别和跟踪,最终实现对目标行为的检测,给摄像头赋予“人眼”的功能。智能视频监控系统已经在北京奥运会、上海世博会等大型场合大放异彩,随着人们对安防的重视和监控技术的成熟,智能化的视频监控系统将深入到社会的各个角落。本文结合计算机视觉的最新研究理论,在学习使用计算机视觉开发平台OpenCV的基础上,根据行人跟踪所得到的轨迹进行异常行为检测,最终形成了能够基于单目固定摄像头进行行人异常行为检测的智能视频监控系统。本文的主要研究内容如下:1、在运动物体检测方面,采用基于混合高斯背景建模的运动物体检测方法。该方法不仅适用于简单场景的检测,同时对于监控场景中出现的如:小雨、雪、树叶轻微摆动等复杂情况,检测效果非常好。2、在目标跟踪方面,对基础算法如:卡尔曼滤波算法、均值漂移算法、粒子滤波算法进行深入地研究,并且比较三种方法在物体跟踪上的优缺点。综合卡尔曼滤波算法的计算速度快、均值漂移算法的快速收敛特性和粒子滤波算法准确度高的特性,提出基于团块的自适应的物体跟踪方法。该算法将团块的状态分为三种情况:无遮挡、部分遮挡和严重遮挡,根据不同的状态能够自适应的选择不同的跟踪算法。在无遮挡情况下,根据团块的距离或相似性进行团块的匹配。在团块发生部分遮挡的情况下,采用均值漂移跟踪算法。在团块发生严重遮挡的情况下,采用粒子滤波跟踪方法。实验证明,该方法能够很好的解决团块发生碰撞时的运动物体跟踪问题。3、在异常行为检测方面,通过分析徘徊、跌倒、越界行为三种的特征,根据运动物体跟踪的结果,提出基于轨迹的行人徘徊、行人越界、行人跌倒三种异常行为的检测方法。4、本文以OpenCV的团块跟踪框架为基础,整合了运动物体检测、目标跟踪、行为分析等智能监控系统的重要功能模块,设计并实现了一个完整的行人异常智能视频监控系统。该系统采用基于团块的自适应跟踪算法提取运动物体的轨迹,通过分析行人的运动轨迹,实现对行人跌倒、行人徘徊、行人越界三种异常行为的检测。实验证明,此系统能够实时地对视频数据进行处理,并能够检测行人跌倒、行人徘徊、行人越界三种异常行为。