基于视频的智能监控系统具有直观性、经济性以及可交互性等优点，使其成为了目前国内外热门的研究对象。随着社会需求的不断增长，针对目标检测的正确性和实时性等指标都提出了越来越高的要求。本文以固定场景的视频车辆检测技术为研究对象，在深入分析国内外车辆检测技术的基础上，对车辆的定位、多视角识别、视频背景建模等方面进行了详尽的讨论和研究。主要内容为：1．在总结了国内外图像中目标定位方法的基础上，针对固定场景的视频车辆定位，提出了一种自适应滑动窗口方法，该方法根据当前子窗口是否有检测目标，自适应地调整下一个滑动子窗口的大小和滑动间距，大大地减少搜索的盲目性，减少计算量，并且在车辆拥塞的情况下，确保了有效地定位待检测区域，一定程度上减少了车辆检测的漏检情况。在视频中路灯不稳定的情况下，适当地利用此方法与背景建模方法相结合，提高了车辆检测在定位方面的有效性。2．在研究了常见的视频背景建模技术的基础上，将中值法提取的背景图像作为基于视觉的背景提取法的初始化图像，有效地避免了由于背景更新不足导致后续前景的误判断问题，在保证了实时性的基础上，提高了视频前景提取的准确性。3．在研究目前主流的多视角目标检测器的特征提取方法的基础上，通过对比实验，提出了一种基于梯度直方图和局部二值模式相结合的车辆特征值提取方法，该方法一定程度上提高了检测的正确率。4．针对多视角样本的分类问题，研究并实现了一种自动地对多视角样本进行分类的方法，从而实现了利用自动分类代替人为的分类操作，避免了由于样本过多而造成的耗时繁琐的人工分类处理，以及由于样本视角的模糊性导致人为分类结果影响机器学习的正确性。5．在总结了国内外多视角目标检测技术的基础上，利用单一视角的样本簇，通过自下而上的归并，自动地构造多角度样本层次树，添加负样本并利用级联的Gentle Adaboost方法训练出了一个多视角车辆检测器，该检测器具有较高的准确性。