智能视频监控技术指的是利用数字图像处理技术、模式识别技术等对视频图像中感兴趣的内容进行描述，并且进行深入地理解和分析，从而控制监控系统进行相应的动作。目前，智能视频监控系统已经广泛应用于交通管理、公共安全监控、医疗监护等各个领域，本文对智能监控技术中涉及到的运动目标检测与阴影消除、目标跟踪、目标分类以及人体行为识别等几个关键环节进行了创新性研究，具体内容包含以下几个方面：首先研究了运动目标检测及阴影消除算法。本文采用高斯混合模型建立了视频序列的背景图像，分割出了图像中的运动目标。为了让模型更快地收敛，本文改进了高斯混合模型的初始化步骤，并且在背景图像更新中提出了一种新的方法。在运动阴影消除过程中，本文充分考虑了真实运动目标与阴影的HSV颜色特征和纹理特征，提出了一种融合多特征的阴影检测与消除算法，有效地去除了运动目标的阴影，分割出了完整饱满的运动目标。其次，为了实现对目标的精确跟踪，本文提出了一种基于增量式主成分分析的粒子滤波算法，改进了粒子权重计算方法，将候选目标的LBP纹理特征图像到目标特征子空间的距离作为粒子权重，减轻了粒子退化和贫化程度。另外，为了适应运动目标的属性变化，当获得的跟踪目标图像帧数达到固定的数值时，就对目标特征子空间进行实时更新。接下来，本文研究了目标分类和人体简单行为识别问题。运动目标的特征描述以及分类算法的选取是影响目标分类器性能的关键因素，因此，本文提出了一种基于梯度方向直方图和局部纹理特征的算子对目标进行描述，并且采用了线性分类器SVMLight。从运动目标中分离出行人目标后，本文利用一种改进的Hu矩特征向量来描述行人目标的行为，同时也提出了一种新的Hu矩特征向量相似度计算方法，成功地对人体的基本动作进行了识别。