目前，对计算机视频监控的研究与应用方兴未艾。计算机视频监控是利用计算机视觉和图像处理的方法对图像序列进行运动检测、运动目标分类、运动目标跟踪以及对监视场景中目标行为的理解与描述。其中，运动检测、目标分类、目标跟踪属于视觉中的低级和中级处理部分，而行为理解和描述则属于高级处理。运动检测和运动目标跟踪是视频监控中研究较多的两个问题，也是近年来被广泛关注的研究热点。6426
早于1997年，美国国防高级研究项目署(Defense Advanced Research Projects Agency)便设立了以卡内基梅隆大学(Carnegie Mellon University)为首、麻省理工学院(Massachusetts Institute of Technology)等高校参与的视觉监控重大项目VSAM(Visual Surveillance and Momtoring)，主要研究用于战场及普通民用场景进行监控的自动视频理解技术。实时视觉监控系统W4[9]不仅能够定位人和分割出人的身体部分，而且通过建立外观模型来实现多人的跟踪，并可以检测人是否携带物体等简单行为。英国的雷丁大学(University ofReading)已开展了对车辆和行人的跟踪及其交互作用识别的相关研究；IBM与Microsoft等公司也正逐步将基于视觉的手势识别接口应用于商业领域。美国康奈尔大学计算机系DanielHutteuloche教授领导也组成研究组进行研究。以色列ioimage公司开发出的智能安防摄像头实现了入侵检测、遗弃物检测、物品搬移检测、非法停车检测、徘徊检测等功能，已被用于政府安防、军事、交通等领域。
我国从2l世纪初才介入智能视频的研究，研究的领域主要集中于智能楼宇安防、交通管制等无人值守监控技术。全国智能视觉监控学术会议从2002年成功举办第一届以来已经成功召开了多次，会议由国家自然科学基金委员会、国家863计划计算机软硬件技术组、中国自动化学会、中国科学院自动化研究所举办。该会议不仅为国内的研究人员提供了一个良好的交流平台并且不断推动着国内智能视频监控技术的研究与发展。目前国内从事智能视频研究的单位主要有中国科学院自动化所、清华大学、北京大学上海交通大学、浙江大学、吉林大学、国防科技大学等。
清华大学电子工程系的刘晓东博士后等研制了一种利用计算机系统辅助完成运动目标自动检测和分类的智能化监控系统徊，提出检测块、提取函数、特征点等概念，以及基于影子模式的投影直方图技术，基于时空信息的累加技术和基于边缘检测的几何模型技术等，以解决户外复杂背景下的人体识别困难的难题，但是该算法过于复杂，不能适用于实时监控系统中。
上海交通大学图像处理与模式识别研究所的周小四等采用遗传算法的最佳熵阈值法进行图像分割，运用基于缺省规则推理的方法对可疑区域进行分别处理，实现智能报警系统中的图像分割与识别。只是这种算法没有充分考虑到噪声对图像的干扰。
浙江大学信电系智能交通研发中心致力于智能交通监控系统的研究工作。
中国科学院自动化研究所模式识别国家重点实验室视觉监控研究组针对目前交通管制中大量人力和物力资源的浪费，提出了一种基于三文模型的交通监控系统，采用了基于三文线框模型的车辆定位算法和基于改进的扩展卡尔曼滤波的车辆跟踪算法。研究组在自主研发的交通场景模拟平台上最终实现了交通监控原型系统，通过对对该领域做了大量的研究，在人运动的视觉分析、交通行为事件分析、交通场景视觉监控和智能轮椅视觉导航等领域取得了许多科研成果。该小组总结了英国雷丁大学VIEWS的车辆交通监控原型系统的研究经验，在以往的理论研究的基础上，自行设计了一个别有完全自主版权的交通监控原型系统Vstar(Visual Surveillance Star)。从硬件组成上看，整个Vstar系统由计算机、数字摄像机、音箱和交通场景模拟平台组成。当车辆在交通场景中运动时，摄像机将拍录下来的视频序列送进计算机；定位和跟踪程序自动分析这些视频序列，识别车型并跟踪车辆在场景中的运动；跟踪结果被送进行为分析和语义解释程序，对车辆的行为进行分析并给出语义解释：如果需要的话，语义解释结果进一步被送进语音合成程序，得到语音提示或警告。比如，当车辆逆向行驶或闯入草地时，系统给出准确的语音警告。 计算机视频监控技术国内外研究现状:http://www.751com.cn/yanjiu/lunwen_3966.html