智能视频监控是计算机视觉领域的一个新兴的研究方向和备受关注的前沿课题,在不需要人为干预的情况下,对图像序列进行自动分析,实现对动态场景中的运动目标检测、跟踪和行为理解等操作,并能够根据分析结果判断是否发出报警。智能视频监控系统克服了传统监控需要工作人员实时观测的缺陷,节省了人力物力,增强了监控判断的准确性,它在军事、交通、银行等重要场所的监控中有着广泛的应用前景。本文以摄像头静止的室外交通智能监控为应用背景,在分析了现有成果的基础上,对运动目标的检测、跟踪和分类的相关技术进行了研究、改进和实现。并在此基础上完成了智能视频分析系统的设计与开发。主要内容如下：1.运动目标检测：首先比较分析了几种常用的运动目标检测方法,选取以混合高斯模型为基础的背景减法。针对传统混合高斯模型对光照敏感、容易产生虚影等缺陷,本文提出了一种改进的混合高斯背景模型算法。首先简化背景模型建立和初始化过程,建立S和V分量混合模型,降低了系统运算的复杂度；其次在背景更新过程中引进更新因子对变化的背景区域进行重建,解决背景突变的问题；最后采用HSV色彩模型检测并去除前景中存在的阴影区域,并采用形态学滤波的方法去除背景噪声的影响,提高了运动目标检测系统的实用性和精确度。2.运动目标跟踪：本文选取Mean Shift算法来完成系统中目标跟踪的任务,针对Mean Shift算法对快速运动目标跟踪效果不理想的问题,提出了将卡尔曼滤波预测与Mean Shift算法相结合的跟踪算法,实现对原有算法的改进。实验证明改进后的目标跟踪算法可获得较高的跟踪稳定性。3.运动目标分类与应用：首先讨论了几种常用的分类方法,选取支持向量机的方法对运动目标进行分类。针对交通场景的智能视频监控的功能非常多,本文主要实现了移动目标检测、虚拟警戒线报警、虚拟警戒区报警和车牌识别等功能。试验结果证明了本文中运动目标检测、跟踪和分类算法的有效性,可以达到预期的监控效果,并可应用在实际场景条件下实现对运动目标的检测、跟踪、分类和报警等功能。