2.目标分类利用一些图像特征值实现目标类型(一般是人和车)的甄别。用于目标分类的特征有空间特征和时间特征两种，空间特征包括目标轮廓、目标尺寸、目标纹理等，时间特征包括目标大小的变化、运动的速度等。
智能视频监控技术源自计算机视觉与人工智能的研究，它的主要研究目标是利用计算机视觉技术、图像视频处理技术和人工智能技术对监控视频的内容进行描述、理解和分析，并能根据分析的结果对视频监控系统进行控制，从而使视频监控系统具有较高层次的智能化水平。图1给出了一个典型的智能视频监控系统的基本工作流程。
3.目标跟踪依据目标及其所在的环境，选择能唯一表示目标的特征，并在后续帧中搜索与该特征最匹配的目标位置。常用的跟踪算法包括：基于特征的跟踪算法，基于3D模型的跟踪，基于主动轮廓模型的跟踪以及基于运动估计的跟踪等。
事件检测：对视频进行周界监测与异常行为分析。异常行为包括双向越界、单向越界、进入禁区、离开禁区、徘徊、无人值守、骤变、人员聚集、烟雾检测、快速运动、逆行、打架等事件。
人数统计：统计穿越入口或指定区域的人或物的数量。例如可为商场统计每天的客流量。
视频诊断：对视频图像出现的雪花、滚屏、模糊、偏色、画面冻结、增益失衡和云台失控等常见摄像头故障做出准确判断并发出报警信息。该技术可应用于平安城市的建设中，自动检测摄像机的状态，从而减轻维护人员的工作强度。 (2010-09-30)
4.智能分析。它位于智能视频监控的高级阶段，是实现视频监控智能化的关键。包括异常检测、身份识别及视频内容理解等：
车牌识别：识别车辆的形状、颜色、车牌号码等特征，并反馈给监控者。此技术可应用于车辆黑名单追踪。
视频内容理解是指在对序列进行低级处理的基础上，对场景中的事件进行分析和识别，用自然语言等加以描述。
根据目前智能视频分析技术的成熟度，智能视频监控应用场景主要包括人数统计、车牌识别、事件检测和视频诊断等。
1.目标检测将输入的视频图像中变化剧烈的图像区域从图像背景中分离出来，它处于视频监控技术的前端，是各种后续处理的基础。目前，算法主要包括背景减法、相邻帧差法和光流法等。
在2008年北京安防展上，一批视频监控前端设备厂家分别展出了各自的智能视频监控产品，标志着智能视频监控技术已经从概念转化为产品，并逐步进入实际应用。本文结合智能视频监控应用系统开发与部署的经验，对智能视频监控技术及其应用现状与前景进行分析。
异常检测中典型的异常包括用户定义的异常情况和非常规事件，检测方法分为基于模型的方法和基于分类器的方法;
1、引言随着计算机、网络、信息与通信、音视频编解码、流媒体等技术的日趋成熟与完善，在安防市场巨大的需求推动下，视频监控技术正在向着数字化、网络化、智能化的方向发展，视频监控由目视解释转变为自动解释是视频监控技术的飞跃，也是安防技术发展的必然。
身份识别包括人脸识别和步态识别;
智能视频分析模块获取视频序列后，首先通过图像恢复或超分辨率复原技术提高图像质量，然后对场景中的目标进行检测、分类和跟踪，进而实现视频内容的分析理解，包括场景中的异常检测、人的身份识别以及视频内容的理解描述等。最后根据设定的规则产生报警，进而触发后续业务处理。各步骤介绍如下：
2、智能视频监控技术
