近年来，中国的监控摄像头以每年20%左右的速度增长，激增的摄像头带来了大量的视频数据处理任务。传统的视频监控系统不能满足用户日益增长的需求。针对智能视频监控系统的研究得到越来越多的关注。本文主要是针对一个静止摄像头监控的场景进行的研究。研究的主要内容包含四部分，包括运动目标检测、阴影去除、运动目标跟踪和行为理解等四部分。运动目标检测是整个视频过程的基础，它的检测结果关系到后续过程能否顺利进行。在这部分，对当前应用比较普遍的几种运动目标检测算法进行详细的介绍和分析，并对其中的背景差法进行改进。由于背景差法的难点和计算量集中在背景建模和更新过程中，所以本文提出动态中值法对背景差法的背景建模和更新过程进行改进，在保证准确度的基础上，提高了背景建模和更新的效率。并对该算法做实验验证，得到了不错的结果。由于光照的影响，运动目标检测结果有时会受到阴影的干扰，所以去除阴影是运动目标检测之后很重要的一个过程。通过对阴影特征的分析和对阴影算法的研究，提出改进的基于RGB色彩空间的阴影算法。该算法利用颜色恒常性原理和阴影特征，对经过运动目标检测过程得到的运动区域进行检测和处理，可以有效快速的去除阴影，得到准确的运动目标。运动目标检测技术是针对每一张视频图像而言，检测得到不同的运动目标。而运动目标跟踪技术是对同一运动目标而言，找到它在连续的图像序列中的位置，从而确定目标的运动方向、轨迹、速度等运动参数，也就实现了对运动目标的跟踪。本文主要对mean-shift算法进行详细的研究，该方法原理易懂、过程简单，并且易与其他算法结合进行改进。最后针对mean-shift算法的特性提出改进的跟踪算法，取得了不错的结果。行为理解技术一直是计算机视觉研究领域的热点话题。因为目前为止，还没有一种比较通用的方法能够比较完整的解决行为理解问题。大部分的方法只能局限于某个特定环境、某些特定行为。本文主要对分层行为模型进行介绍和分析，并提出自己的一点意见，希望对该领域的其他研究人员能有一定的帮助和借鉴意义。