随着计算机技术、电子技术的迅速发展，视频监控技术在人们生产生活的各个方面得到了广泛的应用。传统的视频监控技术存在很多局限性，如需要大量的监控人员、报警精确度不高、响应速度慢等缺陷。而智能视频监控系统最大的优势就是在保证监控性能的基础上将人力解放出来，减少了雇佣大量监控人员所投入的人力物力，提高了报警精度及响应速度。　　本文探讨了一种基于OpenCV的新型智能视频监控系统，主要研究了智能视频监控领域的几个关键技术：视频运动目标的检测、视频运动目标的跟踪和人脸检测。　　在监控场景中监控人员关注的一般是运动的目标，并且场景中的异常情况大都以运动的形式表现出来，为了在视频中准确的检测出运动目标并将其从背景中分离出来，本文研究了视频运动目标检测技术，主要包括以下方面：讨论了轮廓的理论意义和Freeman链码求解方法，Harris角点的概念及在视频监控领域中的意义，研究了差分运动分析方法和背景减除法。　　视频运动跟踪技术可自动跟踪场景中运动的人或物体，并实时产生可靠的报警信息，从而提高监控系统的工作效率，为此本文重点研究了mean-shift算法，Kalman滤波器算法，运动模板和光流法，给出了方法的具体实现并在软件原型系统中验证了算法。　　人脸检测就是在一幅图像或视频中判断是否有人脸，是人脸识别的第一个步骤。人脸识别是一种重要的生物特征识别技术，与其他身份识别方法相比，人脸识别具有直接、友好和方便等特点。本文介绍了三种人脸检测的基本方法，详细介绍了本文使用的基于级联分类器的人脸检测算法，并在软件原型系统中进行了实验。　　最后本文给出了一个基于OpenCV的视频监控软件原型系统，通过采用DirectShow技术使视频采集、显示的运行效率得到大幅度提高。系统采用VC++6.0作为软件开发工具，验证了本文所研究的算法的正确性和可实现性。