視頻監控系統從最初的模擬閉路電視監控開始，經歷了數字化、網絡化的發展，正在向分布式、智能化的方向邁進。在英國全國范圍內已經安裝攝像機420多萬個，平均每14人1個，一個人一天之中可能出現在多達3 00個攝像機前。海量的監控圖像需要視頻監控系統智能地選擇壓縮、存儲、檢索和使用內容。

　　從上世紀90年代中期開始，以卡耐基梅隆大學(CMU)和麻省理工學院(MIT)為代表的，多家美國高校所參與的，由美國國防高級研究項目署設立的視覺監控重大項目VSAM(Visual Surveillanceand Monitoring)，以及其它科研機構的研究成果，使得智能視覺分析取得了快速發展。經過科研人員40多年的不懈努力，計算機視覺已經進入突破式發展階段。得益于計算機視覺的最新研究成果，智能視頻監控開始得到產業化應用。

　　當前除了CMU和MIT，奧地利Graz理工大學的嵌入式智能攝像機研究組，IBM的S3(Smart Surveillance System)項目組，INTEL的IRISNET(Internet-scale Resource-intensive Sensor Network Service)項目組等，分別在分布式智能監控系統的不同領域處于領先地位。Object Video、Hisign、3VR等公司率先實現了智能視頻監控的工業應用。在國內，中科院自動化所、清華大學電子工程系和自動化系等處于研究的前列。

　　現在的智能視頻監控大部分應用都是以運動檢測、背景建模算法為基礎，一般只能處理較為簡單、遮擋重疊較少的場景，對于較為復雜的場景效果不佳。各種環境干擾，如：強光、震動、陰影、雨、雪等，雖然算法可以有一定濾除，但是仍然存在誤報、漏報問題。基于模式分類、識別算法的物體檢測計算較為復雜，一般只能針對具有較穩定特征的物體，如：合作型(固定范圍)人臉檢測統計等，無法及時有效處理多類物體聯合檢測需求。