随着视频监控系统的广泛应用,与之相关的基于视频图像处理的模式识别技术也得到广泛的研究和应用。监控视频中的运动目标检测、目标分类、遮挡处理和多目标跟踪技术已经成为计算机视觉领域研究的热点,有着广阔的应用前景。本文针对视频监控系统中的目标检测、多类目标分类及识别、目标的实时块匹配、目标在遮挡情况下的跟踪和多目标跟踪等问题进行了研究。主要着眼于实际应用中特定目标和特定场景下的智能化图像处理算法,重点是提高算法的鲁棒性和实时性能。具体的研究问题包括：如何在视频图像进行多种目标的分类与识别,如何在视频图像中实时的进行图像块的匹配,如何在遮挡情况下进行目标的跟踪,如何对视频图像中的多个目标进行跟踪。本文的主要贡献如下：1.针对视频图像中存在多种目标的问题,提出了基于随机森林的目标分类识别算法。视频监控图像中经常会存在多种运动目标,单一的目标训练和识别方法通常只能处理图像中的某种特定目标,而对于智能视频监控系统而言,通常要研究不同类别之间的目标的行为,这就对同一图像中的多类目标识别提出了更高的要求。本文采用了更高效率的运动目标特征提取方法,采用随机森林的方法进行多类别目标的学习分类,降低了样本的训练时间和目标的检测时间,且可以有效估计特征的权重,实现了实时的视频图像中行人和车辆的识别,达到了较高的性能指标2.针对视频图像中的相同目标匹配或图像检索中的相似点匹配问题,提出了一种高效的图像块描绘算子算法和姿态空间量化算法。图像块的匹配是图像配准、图像库检索、视频中的目标检索、纹理识别等应用的基础。本文通过计算参考图像不同仿射变换下的平均块的方法,去除视角变换、尺度变换和光照的影响,并采用离散余弦变换代替传统的主成分分析方法,快速建立一个均值图像构成整个描绘子。为了降低姿态空间量化的维数,提高图像描绘算子的匹配速度,引入了仿射参数量化方法。针对不同的球面纬度,对经度采用不同的量化精度,减少了描绘算子的维数,进一步减少了运算量和存储量。3.针对视频图像中存在目标遮挡的问题,提出了基于多种特征融合的遮挡处理算法。在视频中的目标跟踪中,目标之间常存在多种相互运动,不同目标之间的路径重叠会导致目标之间的相互遮挡。使用了颜色和形状两种特征来表示目标物,并用融合算法将二者融合到改进后的粒子滤波器的观测模型中。然后在粒子滤波的框架下进行目标状态的预测和更新,达到了良好的遮挡处理效果。4.针对视频图像中多目标跟踪问题,提出了基于概率假设密度滤波的多目标跟踪算法。多目标视频跟踪主要包括两个部分：估计目标状态集的状态和对目标的身份进行关联。多目标跟踪的难点在于目标的数目和位置估计来自于不确定的观测值,当目标被遮挡时,可能得不到观测值。多目标跟踪的计算量会随着目标数目的增长呈指数增长,为多目标的实时跟踪带来挑战。本文通过概率假设密度滤波的方法,将目标的状态集合视为随机有限集,降低了算法的复杂度,较好的解决了目标的杂波影响,降低了目标的漏检率,并采用数据关联的方法,得到多个目标的轨迹,提高了算法的鲁棒性和精确度。