通俗地說，智能視覺技術(shù)，就是通過計(jì)算機(jī)自動對攝像頭采集的視頻信息進(jìn)行分析處理，從視頻序列中捕捉存在的感興趣區(qū)域及目標(biāo)，并進(jìn)一步獲取目標(biāo)的出現(xiàn)時(shí)間、運(yùn)動軌跡、顏色等諸多信息，通過對各個(gè)目標(biāo)的上述信息的分析。

　　智能視覺技術(shù)核心是運(yùn)動目標(biāo)檢測、分類、跟蹤與識別技術(shù)等。運(yùn)動目標(biāo)檢測是將視頻圖像序列中的感興趣目標(biāo)(如車輛或人)檢測出來，以備后續(xù)步驟的使用;目標(biāo)檢測的目的就是準(zhǔn)確地從通過運(yùn)動檢測得到的運(yùn)動區(qū)域中提取出與目標(biāo)相對應(yīng)的團(tuán)點(diǎn)。

　　研究人員已經(jīng)開發(fā)了多種運(yùn)動目標(biāo)檢測的方法，包括幀間差分法，光流法和背景減除算法。根據(jù)實(shí)際應(yīng)用需求的不同，不同的檢測算法都是在可靠性、實(shí)時(shí)性和準(zhǔn)確性之間折衷得到的。目標(biāo)分類的目的是從檢測到的運(yùn)動區(qū)域中將對應(yīng)于人的運(yùn)動區(qū)域提取出來.不同的運(yùn)動區(qū)域可能對應(yīng)于不同的運(yùn)動目標(biāo)，比如交通道路上監(jiān)控?cái)z像機(jī)所捕捉的序列圖像中可能包含行人、車輛及其它諸如飛鳥、流云、搖動的樹枝等運(yùn)動物體，為了便于進(jìn)一步對行人進(jìn)行跟蹤和行為分析，運(yùn)動目標(biāo)的正確分類是完全必要的.注意，這個(gè)步驟在一些情況下可能是不必要的(比如已經(jīng)知道場景中僅僅存在人的運(yùn)動時(shí))。運(yùn)動目標(biāo)跟蹤是在需要監(jiān)控的環(huán)境里，如何能夠判斷出進(jìn)入特定區(qū)域的目標(biāo)，并且能夠跟蹤目標(biāo)的軌跡。

　　具體可分為兩種情況：一是靜態(tài)背景下的目標(biāo)跟蹤;二是動態(tài)背景下的目標(biāo)跟蹤。靜態(tài)背景下的目標(biāo)跟蹤方法具體可分為單目標(biāo)跟蹤與多目標(biāo)跟蹤。單目標(biāo)的靜態(tài)背景下的目標(biāo)跟蹤指的是攝像頭是固定在某一方位，其所觀察的視野也是靜止的。多目標(biāo)跟蹤是指在靜態(tài)環(huán)境下的多目標(biāo)跟蹤，需要確定每個(gè)目標(biāo)的特征，位置，運(yùn)動方向，速度等信息。動態(tài)背景下的目標(biāo)跟蹤指的是攝像頭在云臺控制下旋轉(zhuǎn)，會使得他所采集的圖像時(shí)可在變化，所以，對于整個(gè)目標(biāo)跟蹤過程來說，背景是變化，目標(biāo)也是在整個(gè)過程中運(yùn)動的，所以跟蹤起來較有難度。人的行為理解與描述是越來越被廣泛關(guān)注的研究熱點(diǎn)，它是指對人的運(yùn)動模式進(jìn)行分析和識別，并用自然語言等加以描述.行為理解可以簡單地認(rèn)為是時(shí)變數(shù)據(jù)的分類問題，即將測試序列與預(yù)先標(biāo)定的代表典型行為的參考序列進(jìn)行匹配。

　　當(dāng)前的智能視覺技術(shù)主要集中在基于RGB光學(xué)圖像的處理上，根據(jù)各種顏色空間、目標(biāo)的紋理結(jié)構(gòu)分析或者灰度特征、運(yùn)動特征等來檢測與跟蹤目標(biāo)，但由于RGB圖像無法獲取物體在三維空間中的距離信息，相關(guān)的算法受到周圍環(huán)境、光照變化、背景等因素的影響，在目標(biāo)檢測與跟蹤上魯棒性較差，難以實(shí)現(xiàn)復(fù)雜場景下的任意目標(biāo)檢測和在線跟蹤，應(yīng)用受到很大的限制。

　　因?yàn)椴噬珨z像頭獲取的圖像只保留了空間的二維信息，所以這些方法都是二維空間上進(jìn)行處理，只能獲得目標(biāo)的二維運(yùn)動信息。真實(shí)世界中的目標(biāo)是在三維空間運(yùn)動的，如果只獲取二維運(yùn)動信息將難以達(dá)到實(shí)際應(yīng)用的魯棒性要求。因此，越來越多的研究者開始利用深度圖像來進(jìn)行目標(biāo)的檢測、跟蹤與識別。目前通過圖像感應(yīng)器獲取三維信息主要有兩種方式。其中一種原理與人眼視覺系統(tǒng)類似，采用兩個(gè)彩色攝像頭同時(shí)拍攝同一場景，通過兩個(gè)攝像頭的視差推導(dǎo)出場景中像素離攝像機(jī)的遠(yuǎn)近，即深度(Depth)。這種方式通常稱為雙目立體視覺(BinocularStereoVision)。利用雙目圖像推導(dǎo)深度信息需要先計(jì)算兩幅圖像像素之間的對應(yīng)關(guān)系，即左邊圖像的像素與右邊圖像的哪個(gè)像素是描述的空間中的同一個(gè)點(diǎn)。根據(jù)投影關(guān)系，距離較遠(yuǎn)的點(diǎn)投射到兩個(gè)圖像平面的坐標(biāo)偏差較小。利用這一原理可以通過坐標(biāo)偏差推導(dǎo)出深度。