将计算机视觉的理论和方法应用于智能视频监控系统近来成为一个热点研究。本文使用双目相机获取立体图像对，根据双目相机成像模型恢复目标场景的三维信息。其难点在于如何解决智能监控系统获取图像时存在光照变化和噪音大的问题以及如何保证三维重建的精度及实时性。本文主要研究内容包括智能视频监控系统原型设计、相机标定、立体匹配以及点云生成。具体工作如下：　　首先详细分析了单目和双目相机模型以及智能视频监控系统的组成和功能，然后设计了一种将三维重建应用于智能视频监控系统的原型系统。　　其次在相机标定阶段，本文详细分析了相机标定的数学理论。在Harris角点检测的基础上根据棋盘格角点的特有结构提出了一种筛除聚簇点和非棋盘角点的方法，并且为提高角点检测的位置精度使用了一种亚像素精度计算方法。实验证明本文提出的算法提高了角点检测精度。　　然后在立体匹配阶段，针对智能视频监控系统实时性的要求以及由于曝光不一致和噪声大容易引起误匹配的问题，设计了一种使用带有梯度信息的AD-Census和两级自适应引导滤波的立体匹配算法。算法使用一种直方图变换的算法进行预处理，有效降低了曝光不一致的影响。使用设有噪声容限并且引入了梯度信息的AD-Census算法计算匹配代价，减小噪声和光照的影响。使用两级自适应引导滤波算法进行代价聚合，提高算法的实时性。提出一种多步提精方法进行视差优化，可以对遮挡区域和误匹配区域进行视差值估计。实验结果表明，本文算法利用GPU加速后在曝光不一致和噪声大的环境下均能得到较好的视差，并且基本满足实时性的要求。　　最后在点云优化阶段，本文分析了点云生成方法及Delaunay三角剖分理论，使用了一种结合逐点插入法和分治法的Delaunay三角剖分算法。实验结果表明，本文算法获得的点云图经过Delaunay三角剖分后能够很好的实现可视化的的三维模型。