知识点：
1. ARM嵌入式系统与Linux操作系统：
ARM处理器是基于精简指令集计算（RISC）架构的处理器，广泛应用于移动设备和嵌入式系统中。ARM架构的处理器因其低功耗、高集成度和高性能而受到青睐。本项目中采用的是基于ARM9内核的Mini2440开发板，搭载了Linux-2.6.32内核的操作系统，该系统具有较好的实时多任务处理能力，适合作为视频监控服务器。
2. OpenCV简介：
OpenCV（开源计算机视觉库）是由Intel公司发起的一个开源软件项目，是目前计算机视觉领域使用最广泛的库之一。它提供了超过2500种优化算法，包括图像处理、视频分析、特征检测等，支持多种编程语言（如C/C++、Python等），并且支持跨平台使用，包括Windows、Linux和Android等操作系统。
3. Surendra背景更新算法：
Surendra算法是一种用于运动目标检测的背景更新算法。算法通过计算当前帧和背景帧的差异图像来检测运动目标。它能够适应背景的变化，即通过迭代更新背景图像，动态地从场景中提取背景信息，同时保持前景中运动目标的检测。此算法特别适用于计算资源有限的嵌入式平台，因为它不需要复杂的数据结构和大量的内存。
4. 系统硬件构架：
项目中的网络视频监控系统采用客户端/服务器架构。服务器端基于Mini2440开发板，该开发板包含Samsung S3C2440 ARM9处理器，具有533MHz的最高主频。客户端为普通PC，安装Fedora 11操作系统和OpenCV函数库，用于接收服务器端的视频数据。这样的构架允许系统在多个客户端之间传输视频数据，实现集中监控。
5. 移植OpenCV到ARM-Linux平台：
在ARM处理器的Linux平台上移植OpenCV涉及交叉编译和配置。要按照ARM架构的特性对OpenCV进行配置，例如禁用不支持的库（如gtk、python等）。配置完成后，交叉编译OpenCV源代码，并将其安装到指定路径下。在交叉编译过程中，需要设置特定的环境变量，确保库文件能够被正确链接和访问。
6. 网络视频监控系统的运动目标跟踪功能：
通过使用Surendra算法，网络视频监控系统能够对视频流中的运动目标进行检测和跟踪。在检测到运动目标后，系统会根据预先设定的规则分析运动行为，并在出现异常时发出警告，并开始录像。这样可以实现对运动目标的实时监控和记录，便于后续的事件回溯和分析。
通过上述知识点的介绍，我们可以了解到在构建基于ARM和Linux的嵌入式网络视频监控系统时，需要考虑硬件选择、操作系统平台、编程库移植、算法选择等多方面因素。这些要素共同决定了系统的性能、稳定性和实时监控能力。同时，OpenCV作为计算机视觉领域的重要工具，它的移植和应用对开发复杂图像处理应用具有重要意义。
