视频监控历经了普通监控、网络监控到现在的智能监控三个发展阶段。近几年来,智能监控在交通、银行、博物馆等安全性要求比较高的场所发挥了举足轻重的作用。但由于其应用范围的广泛性、应用场景的多样性,就其技术而言仍未达到人们所期望的要求。其算法实时性、稳定性情况还不甚理想,受雨雪等恶劣天气的影响也比较大,还需要进一步研究出更好的算法,因此它是一个十分有意义的课题。智能监控技术的主要应用包括人数统计、非法滞留物体检测、智能交通(如超时停车、越线停车、车流量等)、入侵检测,还有高速公路上的智能监控等方面。智能监控技术主要分为运动目标检测、目标跟踪、识别、目标行为分析等几大模块,而智能视频监控技术的核心在于智能视频监控算法。本文首先主要对目前国内外智能监控技术的发展情况进行了介绍,然后对目标检测、跟踪技术算法的原理与实现进行了研究,着重讨论了基于混合高斯模型的运动目标建模技术和Meanshift跟踪技术。并在依托目前比较流行的开源计算机视觉类库-OpenCV的基础上,利用VC作为开发工具,实现了运动目标检测与追踪,同时采用面积阈值法和形态学处理对检测到的运动目标进行滤波,取得了较好的效果。在此基础上对运动目标识别技术进行了探讨,首先讨论了常用于图像识别的一些特征,并根据运动目标一般为灰度图像这一大特点,选择了形状作为分类特征。并用两种方法进行分类识别,一种是简单地利用形状进行分类,另一种是利用SVM作为训练识别的工具,采用基于运动目标轮廓不变矩、轮廓的面积、长宽比等适合于描述运动目标的特征对目标进行分类识别,并讨论了两种方法各自的优缺点。