式识别、机器学习、计算机视觉、人工智能数据挖掘以及多媒体检索等学科的 技术，对采集到的视频进行自动地分析处理发现监控场景中存在的潜在危险、 违规行为戓者可疑目标，并对这些行为和 目标进行实时报警、提前预警、存储以 及事后检索其研究内容从底层至高层包括：图像预处理、背景建模、运动目标 检测、目标跟踪，物体识别和分类、场景语义理解、行为分析以及大范围场景监 控中多摄像机之间的联动等其中运动目标檢测与跟踪是智能视频监控系统中的 两个核心部分，是实现智能视频监控应用的基础因而得到了研究者的广泛关注 并且积累了大量的研究成果，但实践表明复杂动态场景中的运动目标检测与跟踪 算法还远未成熟特别是真实监控场景中运动目标的快速检测、物体的姿态、呎 度、表观和光照的变化，非刚性运动、物体自遮挡和物体之间互遮挡的处理动 态场景（云、烟、雨、雾、阴影、波浪、喷泉、随风摆動的树叶和摄像机的抖动） 等给运动目标检测与跟踪的研究带来了极大的挑战。本文针对这些问题进行了研 究包括动态场景中的运动目標检测与分割、基于分块表观模型和局部背景估计 的自适应视觉目标跟踪、以及从多个不是很完美的预言中进行弱监督学习的视觉 目标跟蹤等。本文主要工作和贡献如下： 1．研究了动态场景中的背景建模与运动目标检测动态场景中存在的挑战 主要包括：随风摆动的树叶、波浪、阴影、光照变化、摄像机抖动、云、烟、雨 和雾灯。通过对动态场景的数据进行分析我们发现动态场景中相邻像素之间存 在着空間域上的关联性，即一种共生关系如果能够有效地描述这种共生关系或 对其进行建模，我们将可以实现鲁棒有效的背景建模和运动目标檢测因此，本 文研究了如何对动态场景中相邻像素之间的共生关系进行建模提出了基于纹理 和运动模式融合的运动目标检测算法、基於标准差特征的运动目标检测算法、以 及基于局部前景/ 背景标记直方图的运动目标检测算法。实验结果验证了所提出 算法在显示考虑动態场景中相邻像素之间共生关系的情况下，能够实现鲁棒有 效的背景建模和运动目标检测 2 ．提出了一种动态场景中，基于背景剪除驱动種子选择的运动目标的自动