其中的一类重要应用就是智能监控。社会迅速发展必然伴随着人口流动的加剧膨 胀，犯罪率的提升，人们对安全出行、生活的渴望激发了大量的监控需求。而智能视 频监控系统(IVS)也因此走出实验室，进入各行各业与人们的日常生活中[3]。

丰富的计算机视觉算法支持了智能化的视频监控系统在各行业的应用[2]，目前已 在交通、银行、工业、商场等行业市场得到初步运用。智能视频监控系统能长期保持 运转，通过它的智能系统，分析海量信息并提取出关键信息，判断后向监控人员报警。 它化被动为主动，既从机械的人工操作中解放了监控人员也提高了警情识别的精度与 效率。

尽管智能视频监控技术在不断发展，产生了一批批优秀的识别算法和较为成熟的 监控系统，但大多数算法通常是针对特定环境开发设计的，不能普遍监控所有复杂、 易变的环境[5]。而且受计算机运算与处理能力的限制，许多已提出的智能监控算法在 实时性、适应性、泛用性等方面还存在一定的缺陷。目前来说，如何准确高效地获取 运动模型并加以识别是智能视频监控的难点[4]。它的内容包括一下四个层次[4]：

（1） 目标检测：查找图中想要的运动对象。

（2） 目标跟踪：获得目标的运动轨迹。

（3） 目标分类：对获得的包括行人、车辆、干扰物等各类目标进行分类。

（4） 行为识别：分析、识别目标诸如走、跑、跳等的各类行为。

如图 1- 2 所示，目标检测是实现其他高级目标的基础前提，目标跟踪与目标分类 即使监控中的重点需求，同时也是部分行为识别方法的实现前提，而行为识别往往是 大多数用户想要的最终结果。

图 1- 2 视频监控各层次组成 为提升智能监控技术的实用性，并使其在更为广阔的领域得到应用，未来的相关

研究将向以下方向发展[2]：

（1） 提高泛用性，适应更复杂多变的监控环境。

（2） 提高准确度，能识别更细微的异常行为。

（3） 降低成本。

（4） 丰富产品形态，支持各种平台和移动终端。 随着我国“国家应急体系”、“平安城市”[5]等重大安全科技项目的推进，摄像机

尤其是高清摄像机数量激增，高质量监控信息的采集越来越容易，而如何高效利用它 们是的急需解决的问题。同时，大量人员和资金投入了智能监控产业，它必将伴随着 变数与瓶颈拥有一个更加广阔的前景。