- 文献综述（或调研报告）：
·研究背景
社会的高速发展、经济的快速腾飞，金融机构、企事业单位、家庭住宅等涉及到财产安全的区域越来越多。各类摄像头也随之分布在生活中的许多角落，视频监控系统得到了全所未有的普及。当前广泛使用的传统模式下的视频监控仅仅提供一种实时监控的手段，实现监控录像存储和展示的功能，在此基础上还需要通过人为的观察和处理才能够达到监管的目的。这种传统的非智能化的监控方式不仅占用了人力资源而且还不能满足人们对安全防范，事前预警等需求。传统模式的视频控技术已经逐渐不能跟上人们追随智能化的脚步。
与此同时，计算机视觉和图像处理等领域一直保持着很高的研究热度，智能视频监控技术也是其中的重要研究内容之一。所谓智能视频控技术就是指在视频片断中，通过使用计算机视觉的方法在不需要人员参与或几乎不需要人员参与的情况下进行智能分析处理，对视频中的运动目标进行准确的定位和识别。在必要的时候才发出警报或将信息反馈给工作人员，不仅节省了人力，还提高了监控系统的实时性和准确性。总而言之，智能视频监控系统的推广使用顺应了智能化、信息化社会的发展，为人们的生活提供了不少便利，为人们的安全提供了很好的保障。
智能视频监控中使用到主要的技术包括对视频序列中的运动目标检测和跟踪,对它们的相关研究有着广泛的应用前景。在军事、交通、工业等领域，对特定的目标进行实时检测识别，准确追踪更是有着十分重要的意义。在军事领域，弹道导弹防御和火炮控制的相关研究与目标检测跟踪有着紧密的联系。在交通管制区域，电子眼对驾驶员的驾驶行为的规范与管理也依赖于目标检测技术。在工业生产当中，通过智能监控设备监控产品的生产过程，可以在降低了人员成本的同时提高产品的监控水平。虽然许多学者已经提出了经典的运动目标检和跟踪算法，但是这些算法在实际的复杂场景下的应用中可能会遇到一些困难，如受到光照变化，噪音等外界干扰的影咱，现有的运动目标检测算法可能会出现检测出的目标不完整，出现重影、空洞等现象，运动目标跟踪算法在跟踪过程中由于目标被遮挡会出现跟踪失败的现象。实现一种能准确高效的检测运动目标的算法有着重要的意义。然而对于现阶段广泛使用的运动目标检测算法，在目标被遮挡的情形下几乎无法实现对目标有效检测。与此同时，运动目标跟踪算法相比于运动检测算法在效果上类似并且具有更好好的效率，实现遮挡环境中的目标跟踪也保持着较高的研究热度。因此高效且可靠性高的运动目标检测技术以及实现对遮挡环境中的目标有效跟踪一个重要研究方向，具有很好的应用价值和前景：
·国内外研究现状
视频监控技术具有悠久的历史，广泛的应用于安防，军事，交通等领域，而距离智能视频分析监控技术首次在监控领域使用也已经有十余年了，智能化的监控技术更加迎合信息化时代的需求，有着较大的潜在经济价值，从而激发了世界上各界科研工作者尤其是计算机视觉研究人员的兴趣。然而受制于技术，标准，适用性等方面原因，智能化视频监控的规模还相对较小，没有得到真正意义上的拓展，同时相关技术的研究也还面临着较大的挑战。智能视频监控在国际上很多高校和机构已经成立了相应的研究组或实验室。从国外研究情况来看，英国和美国早已开展了大量的相关项目研究，例如：早在二十世纪末美国国防高级研究机构就己经设立了视觉监控重大项目VSAM，它的主要作用是用于研究战场以及普通民用场景控视频的理解。VSAM不仅能定位出人的位置，识别出人的身体部位，还能通过建立外观模型来实现对多目标的跟踪以及检测是否携带物体等简单行为。在二十一世纪初期，美国的IBM公司首次向世界展示了它们的一款命名为S3的智能监控系统，它的主要功能是用于实时处理视频控数据，及时的发现可能存在的安全隐患，并立即报警。
国内计算机视觉相关的研究机构相比于国外虽然起步时间比较晚，但是也取得了一些骄人的成绩。例如：中科院研究所下属的模式识别重点实验室在计算机视觉研究领域一直处于领头羊的位置，相关研究分别在交通监控，人的运动视觉控和行为模式识别方向上深入推进。与此同时，研究人员还分析总结了国外的研究经验，在之前的研究理论的基础之上，初步的实现了一套命名为vstart的系统。该系统应用于交通控中。
就复杂环境下视频中目标检测技术而言，黄敏（2014）[1]提出了基于关键帧的背景更新策略，并结合像素矩阵差分和阈值判定的运动目标检测算法来检测视频中的运动目标。王 越，陈建促，朱小飞，何 源（2018）[2]提出了针对实时目标检测过程中因遮挡导致的目标检测准确率降低问题，根据视频特有的时间序列关系，提出了一种基于熵和运动偏移量的野生动物遮挡检测方法。该方法够很好地解决野生动物遮挡的检测问题，提升了实时目标检测的稳定性与准确率。张扬（2018）[3]提出了部分遮挡情况下的KCF抗遮挡目标跟踪算法和一种目标短时完全遮挡情况下的有效跟踪方法。张鹏林（2005）[4]提出了针对背景减图像的加权增强均值阈值思想，从而有效的解决了运动分中动态阈值的自动选取问题，减少了阈值选择中人工干预而造成的影响。提出了一个通过不断的修改窗口的大小和中心的移动变窗口的多目标搜索算法(VSW算法）来实现有效的多目标的分离并质心的测量。图像和视屏目标检测的算法多种多样，吴毅，Jongwoo Lim，杨明玄（2013[5]，2015[6]）通过构建大型数据集，测试了多种目标跟踪算法的运行性能，确定了鲁棒跟踪的有效方法。黄松维等（2017）[7]提出了一种改进的萤火虫算法（MFA）来寻找彩色图像的最优多级阈值。MFA算法是多级彩色图像阈值分割的有效方法。江温等（2015）[8]提出了一种基于Canny算子的PCNN（脉冲耦合神经网络）方法用于彩色图像分割。周秦等（2017）[9]提出了一种利用导向滤波器和谐波表面函数进行红外图像分割的新型边缘保持主动轮廓模型。Abdul Kayom MdKhairuzzaman，Saurabh Chaudhury(2017)[10]提出了一种有效地基于灰狼优化器的图像多级阈值分割算法。
