随着智能技术的发展以及网络监控设备的普及,视频监控系统逐渐成为现代社会生产生活平稳有序运行的重要保障,但是受限于人力、精力等因素限制,依赖人工识别的传统视频监控系统方案已经难以满足日常生活中多设备、多场景、多任务的海量需求。因此本文主要研究如何设计和实现一个智能视频监控系统来高效解决日益增多的复杂问题,并以违章停车检测这一实际需求作为系统的核心功能,基于计算机视觉和深度学习从多个角度对其进行了实现,同时在真实数据中验证其效果,进而保证了本文提出的智能监控系统的可靠性。本文首先介绍了视频监控系统和计算机视觉的研究背景与现状,阐述了计算机视觉相关技术在智能视频监控系统中的重要性,进而基于计算机视觉中的目标检测思路对系统关键功能——违章停车检测进行设计实现,将整体算法拆分成不同模块并进行详细介绍,同时搜集真实场景中的违章停车数据用于效果展示。接下来本文总结了几种违章停车行为中常见的物体关系,设计了基于关系检测思路的违章停车检测算法,并同样在真实数据中验证了其可行性。实现了以上关键技术后,本文提出了一个包含5个子模块的智能视频监控系统的通用架构,阐述了各模块的基本功能及联系,使用Python逐一进行开发实现,并对系统整体进行了实际测试,结果表明本系统具备高效性与稳定性。最后,本文总结了上述研究内容,并对其中算法和系统的待改进之处进行了展望。