本设计利用opencv开源库，建立一个小型智能视频监控系统。在本文中首先阐述视频监控系统在社会生活中的应用普及情况以及未来发展的方向。然后简单的介绍了有关视频的基本知识和系统实现平台，接着深入分析了三种常见的运动目标检测方式以及高斯模型建模方法。最后进行实验结果展示。

研究的内容

本文研究的重点是将视频监控朝智能化展开。如图1.1显示的是智能视频监控包含的功能框架，首先通过摄像头获取监控区域的视频信息，对图像进行第一步处理后提取运动目标，将其特征进行量化处理后进行目标识别，然后，对目标进行跟踪并记录其运动轨迹。最后阶段，分析并识别运动目标的行为，本设计将会对视频监控的基础层面进行研究

研究的框架

本文的研究框架各章具体内容如下：

第一章为绪论，概述本课题研究背景以及研究意义和目的等方面的内容，向大家阐述了视频监控系统在现代社会的发展应用情况，除此之外，该系统未来发展方向也有提及。

第二章主要介绍视频的基本知识，包括视频监控系统的基本结构，什么是视频流并对Opencv做出了简单介绍。

第三章围绕运动目标检测，分别介绍了有关三种常见的运动检测法即帧差法，光流法，背景差分法的基本知识。

第四章着重介绍单高斯模型以及高斯混合模型的建模方法与过程。

第五章展示本系统的代码及简单流程介绍。

第六章对本设计的总结及对该研究方向的研究展望。

本文总结

本设计目的在于基于高斯混合模型进行运动图像建模，利用智能检测算法实现对运动物体的智能监控。我们了解到目前视频监控在社会生活中的广泛应用及现实中出现的漏洞，因而引出视频监控智能化发展的趋势。首先向大家简单的介绍了视频监控的基本流程以及本设计所使用到的平台，然后讨论了运动目标检测常用的三种算法（帧差法、光流法、背景差分法），最后在各建模方法中选择混合高斯模型来做具体分析。

本文研究展望

在智能视频监控的领域之中，还有许多的问题需要进行更深入的研究与思考，如算法还可进一步进行改进。有几方面的问题仍需大家进行探究：

1、实际应用中光照条件可能会突然变化，这也将造成像素点颜色值的变化，检测的结果将会产生偏差，需要有效解决问题的方法。

2、在实际应用中，连续跟踪并且识别同一个目标并不容易实现，当一个目标在离开监控范围后又返回时需要重新对其进行检测，这就降低了工作效率，可以研究算法通过提取特征的方式分析其是否被追踪过。  

3、本文所涉及的算法只适用于单摄像头，如果能够实现多摄像头合作，能更精准的进行监控。所以还需对现有的算法进行改进。