智能视频的分析和监控作为是当今流行的一种安保和防卫的高效方法技术，此技术越来越受到人们的重视。智能视频的监控通常选用模式识别、计算机图像方法和图像图形处理等方式，并采用在监控视频体系当中增添了视频智能分析的模块，然后借助计算机的强大数据运算和处理能力筛选视频画面帧中没用的或者干扰的信息、从而自动判别异常的物体，然后通过分析和提取视频图像之中的有效信息，准确快速的定位出异常场景，及时判断出监控视频的画面之中的异常状况，采用最优的形式发出预警，进而有效的进行提前的预警，实时处理，及时有效的取证的智能视频监控系统。
　　本文概述了当前经常使用的几种判断运动目标方法，比如背景差分法，时间差分法和光流法。通过各种方法的比较，本文主要采用背景减除法检测运动目标。背景减除方法适用于静止的摄像机，可以完成对运动目标的分割，很容易受光照，天气的变化和外部的不相关的事件等。背景图象会伴随着时间和环境的改变而改变，假如无背景模型的建立，背景的转变就会致使运动目标的检测产生很大的错误，个别背景点很有可能会被错误的分类到前景点。因而在运动目标的检测过程当中，图片背景的建模起了非常关键的作用，因而有需要创建适合的模型背景来适应不断转变的环境。然后提出了对于目标跟踪法MeanShift算法的改进方法。其次，本文介绍了基于模糊聚类分类方法。聚类分析是一种工具，对检测数据，根据数据的相似性测量或感知的分类很多学科，检测数据为每个类的模式更类似的聚合，使模式之间的关系的得到估计。本文就以图形图像为例，设计一个基于模糊聚类的图形识别系统。经过实验，在选取阈值合适的条件下，能够实现不同图形的正确聚类，进而通过聚类结果分析出行为是否属于异常。