在中國安防產業中視頻監控作為最重要的信息獲取手段之一，能對目標有效的提取是重要而基礎的問題，因此本文在此背景下，圍繞對監控視頻的前景目標有效的提取問題，研究了關于1）靜態背景、動態背景的前景目標提取，能在背景復雜化的條件下，將運動的目標；2）帶抖動視頻；3）靜態背景下多攝像頭對多目標提取；4）出現異常事件視頻的判斷等問題。給出了在不同情況下的前景目標提取方案。 問題一是針對靜態背景且攝像頭穩定的情況下，如何對前景目標提取的問題。在題目要求的基礎上，通過對附件2中幾組視頻的分析，我們發現所有前景目標的運動短暫且光線明暗變化不明顯。由于傳統的Vibe算法能抑制鬼影但是運行效果不理想，因此采用建立在幀差法上改進的Vibe算法模型求解問題。并和傳統的Vibe算法做對比，結果顯示改進的Vibe算法明顯優于傳統的算法。而且對我們的算法模型做了效果評價。詳細數據參考正文與附錄。 問題二是在背景為動態（如有水波的產生）的情況下，對前景目標的提取問題。在此問題中，由于動態背景存在使得提取出的圖像幀具有大量的干擾噪聲，對前景目標的識別和提取造成干擾，因此我們提出一種基于全局外觀一致型的運動目標檢測法。在用Vibe算法對場景預檢測的基礎上，建立混合高斯模型分別對前景和背景進行全局外觀建模，將運動目標檢測出來，再引入超像素去噪，進一步優化結果。詳細結果參考正文與附錄。 問題三是在問題一、二基礎上的進一步深化。問題一及問題二是建立在攝像機自身穩定的基礎上，而問題三則是在攝像機抖動的情況下。由于攝像機抖動一般具有旋轉和平移，因此我們建立了坐標變換模型，以仿射變換作為模型基礎，結合改進的高精度魯棒的RANSAC算法提取前景目標，并對比灰度投影法，比較兩種模型效果。具體效果見正文與附錄。 問題四是對前三個問題的綜合應用。運用基于混合高斯模型背景建模Vibe算法，對前景目標進行提取；選出具有顯著前景目標的參考幀，計算參考幀中顯著前景目標所占的面積，并將此面積設定為閾值T，遍歷所有的視頻幀，計算其前景目標所占的面積，通過相減對比，判定顯著前景目標。若判定為顯著前景目標則輸出其所在視頻幀中的幀號，并將顯著前景出現的總幀數增加1。 問題五是針對多攝像頭多目標的協同跟蹤問題。在問題二的混合高斯模型基礎上我們建立了動態背景提取法，對不斷變化的背景進行實時更新。再利用單應性約束法對多目標發生重疊現象進行投影將重疊目標區分開來，對目標進行定位。由于目標的不斷運動，我們采用粒子濾波法對前景目標進行實時跟蹤，通過多攝像頭的協同通信完成對多前景目標的檢測。 問題六是針對監控視頻中前景目標出現異常情況時判斷是否有異常事件的問題。在基于稀疏表示的模型上，引入混合高斯模型用于學習不同類型的運動特征規律，然后通過各個單高斯模型中的均值建立一個相似矩陣作為字典。以測試階段生成的核矢量為基礎，用該局部特征的核矢量計算基于稀疏表示的重構誤差，并將其與已設定的閾值進行比較，如果重構誤差大于閾值，則判為異常。