智能视频监控是利用视频分析技术来实现对无人值守监控场景进行智能的“监视”，当监控场景中出现了已经定义的异常行为时能够及时报警，克服了传统监控系统的事后性。视频图像中进行人体运动目标检测和行为识别是智能监控研究领域的一个重要研究方向。本文主要针对单目固定摄像机监控场景中人体目标的运动检测跟踪和行为识别进行研究。首先，本文利用传统帧间差分和背景差分相结合初步区分前景区域和背景区域，再根据统计平均的方法对背景进行更新，实现了对运动目标的准确检测。针对运动目标中往往包含阴影的问题，本文提出利用人眼视觉区分物体和物体所产生的阴影的原理，利用IHS颜色空间中阴影的强度信息（I分量）和色度信息（H分量）与物体的差异实现了对阴影的有效抑制。其次，本文通过对传统均值偏移跟踪算法进行研究，针对其核窗宽度不能随着运动物体大小变化而改变的缺陷，提出了基于边缘检测确定运动目标大小变化实现核窗宽度自适应更新的均值偏移跟踪算法。然后还提出了运动目标即时检测跟踪的思路，即通过运动目标即时检测来跟踪运动目标。通过两种方法的实验对比和分析：运动目标即时检测跟踪有较好的实时性，但是当目标运动过程中突然静止时容易丢失跟踪目标。最后，本文介绍了基于矩技术的图像相似度判断方法。然后重点对人体不同行为动作的轮廓特征和轮廓的质心运动轨迹做了详细分析，提出了将轮廓特征通过计算轮廓点到质心点距离的方法将其转化为一维特征。最后提出基于图像相似度判断和轮廓特征相似度分析相结合模板匹配行为识别方法。通过几种简单行为的分类识别实验分析可知：该方法对差异较大的行为有较好的识别效果，而且对同一种行为的识别率会随着视频序列的帧数增加而逐渐增加，直到视频序列达到50帧左右以后，识别率趋于稳定。