随着计算机视觉技术的发展,基于计算机视觉的智能监控系统得到了越来越广泛的应用,其功能与传统的监控系统相比也有了质的变化,不仅极大的扩展了传统的监控功能,而且降低了在监控方面投入的成本。本文在摄像机固定的情况下,对智能监控系统的关键技术进行了研究,并实现了具有实际应用功能的智能监控系统。运动目标的检测是智能监控系统要实现的第一步,也是至关重要的一步,检测出的运动目标的质量将直接关系到运动目标的分类和行为分析等。因此要求检测出的运动目标信息要尽可能的完整。本文采用了常用的减背景法进行检测,并对其中关键的背景建模方法进行了研究,对单高斯背景建模方法和混合高斯背景建模方法进行了融合,通过实验验证了该方法既可以清晰的检测出运动目标,同时也能减少建模的时间,很好的减小外界环境的影响。目标分类也是计算机视觉领域当中一个研究的热门问题,主要应用于智能监控系统、智能机器人、医学图像等。通过目标分类,可以实现根据预先设定的定义来区分运动目标的种类,从而可以进一步的进行行为分析。本文利用了目标的长宽比、占空比等四个目标特征,通过实验统计了大量样本的均值和方差,通过最小误差概率条件下的贝叶斯分类理论对监控场景内的目标进行分类。在运动目标的跟踪这一技术上本文使用了较为成熟的卡尔曼滤波跟踪算法,该算法可以根据已有的运动目标的运动信息对之后的运动状态做出预测,能够很好的对其进行跟踪。同时本文对跟踪中的难点:运动目标的遮挡问题做了深入的研究,提出了利用运动目标的面积判断遮挡的发生时刻,通过最小二乘法对目标的轨迹进行预测,从而达到遮挡期间也尽可能不丢失目标的效果。通过实验证明了该方法在运动目标发生短时间遮挡时可以很好的解决跟踪丢失问题。同时本文还对监控系统特定区域的监控等问题进行了研究。