近年来,数字化、网络化的视频监控系统优势愈发明显,其高度的开放性、集成性和灵活性,为整个安防产业的发展提供了更加广阔的发展空间,而智能视频监控则是网络化视频监控领域最前沿的应用模式之一。所谓“智能”是相对传统监控方式而言,系统可以自动对拍摄到的图像序列进行分析,对监视场景中出现的异常目标或现象及时做出反应,并根据当前状态对将要发生的事件进行预测,提醒值守人员注意相关监控画面以提前做好相应准备,将损失降到最小。智能视频监控系统克服了传统监控方式中需靠人力日夜值守、被动录像事后处理等诸多不足,充分发挥了其实时、主动、全天候、可防范于未然等优势,从而可以协助人甚至代替人来完成监视或控制任务,大大减轻了工作人员的负担,同时也降低了监控成本。因此,智能视频监控系统在安全防范、交通控制、军事安全、火灾报警、人群控制等诸多领域都有着广泛的应用前景。在智能视频监控系统中,包含着五种关键技术,分别是:数字视频压缩技术、数字视频网络传输技术、高效的大容量视频存储和检索技术、监控场景中运动检测与告警信息处理技术以及监控场景中物体识别与跟踪技术。国内外大批学者也对该领域进行了广泛而深入的研究,并取得了大量的成果。本文是在这些成果的基础上,针对智能监控系统中的数字视频压缩技术和人脸识别技术进行研究。主要工作如下:1.在视频数据压缩方面,研究和分析了新一代视频编码标准H.264技术,并根据H.264中4×4块残差系数的分布特征及DCT系数的能量分布特性,提出一种基于DCT系数子带划分的快速算法。该算法提出划分DCT系数子带的判断标准,在DCT和量化前预判出为零的DCT系数,仅计算非零的DCT系数,相应地也减少量化(Q),反DCT(IDCT),反量化(IQ)的计算。实验结果表明,本算法在保持图像质量和码率的同时,极大地节省了DCT,Q,IQ,IDCT的计算量,提高了H.264的编码效率。2.在人脸识别方面,提出一种基于提升小波和隐马尔可夫模型的人脸识别算法。该算法利用D9/7提升小波对归一化人脸图像进行变换,分别提取低频平滑,水平细节和垂直细节三个子图的小波特征,将提取的小波特征聚类为观察向量,使用一维离散隐马尔可夫模型进行训练,并把优化后的模型参数用于人脸识别。该算法充分地利用人脸小波子图的判别信息,对于光照、姿态和表情均具有良好的鲁棒性。在ORL人脸库中的实验结果表明本文算法运算复杂度低,识别效率高。本文对智能视频监控中的两大关键技术进行研究,对改善监控系统性能、提升监控系统功能,提高视频监控系统的智能化水平和网络化程度作了有益的尝试。