随着人们对安全需求的增加和计算机视觉技术的快速发展，智能视频监控系统得到了广泛的应用，并成为该领域的研究热点。智能视频监控系统通过对视频内容进行分析，实现对监控场景中运动目标的检测、跟踪和行为分析，并对触发事件规则的目标及时进行报警、录像等处理。智能视频监控系统被用于安防事业、智能交通、平安城市等诸多领域，具有广泛的应用前景和巨大的理论研究价值。　　 本课题源于科技型中小企业技术创新基金项目:基于TD-SCDMA的远程无线视频监控系统，以视频高清化、传输无线化、视频分析智能化为重点研究目标。论文在研究运动目标检测与跟踪算法、异常行为判断规则的基础上，利用OpenCV实现系统的智能性。　　 为准确检测出运动目标，文章研究帧间差分、背景差分和光流法的原理，分析验证各自的优缺点及使用场景，本文针对摄像机固定场景下，选择基于混合高斯背景模型的运动目标检测方法，实现系统运动目标检测模块，并验证其有效性。文章对常用的跟踪算法:Kalman滤波器、MeanShift算法和CamShift算法进行研究，并分析验证他们的优缺点，采用结合Kalman滤波器的CamShift跟踪算法实现对目标的实时跟踪:首先利用Kalman滤波器对运动目标在下一帧中的位置进行预测，然后利用CamShift算法对运动目标进行定位，并将其位置信息反馈到Kalman滤波器，经过反复循环完成对目标的跟踪。利用该算法实现目标跟踪模块并验证了其有效性。为实现行人异常行为的判断，文章分析了进入（退出）区域、单（多）绊线、行人徘徊等异常行为的特征，并定义了相应的判断规则，然后根据目标的运动轨迹完成异常行为判断，最后通过系统测试验证了规则的正确性。　　 以C++为开发语言，在Visual Studio2010开发环境下，利用开源的计算机视觉库OpenCV并结合多线程技术设计实现了智能视频分析系统。通过分析行人的运动轨迹，实现了进入（退出）区域、单（多）绊线入侵和行人徘徊等异常行为的检测预警功能。最后对系统进行测试，验证了系统设计的合理性和系统功能的鲁棒性与实时性。