随着社会经济的发展，人类活动的范围越来越大，面临突发事件和异常事件越来越多，视频监控的重要性与难度也越来越突出，传统的依靠人工来处理海量监控视频数据的方式已经无法满足目前的需要。由此智能监控系统应运而生。近年来关于智能监控的研究逐渐成为计算机视觉研究的热点，它的主要任务就是对监控视频中的运动目标进行分析，减少监控视频中无用的冗余信息，提高监控管理人员的工作效率。　　 本文针对智能监控视频系统中的基本问题，即提高监控视频中目标行人的索引效率的问题展开关键技术的研究。本文针对监控视频中短时段内的行人索引问题，本文提出的研究方法主要包括了两大部分。　　 1.提出了一种监控视频中行人特征描述的方法。针对传统方法中的视觉特征对于光照与视角等变化缺乏鲁棒性的问题，本文提出了一种综合使用HSV颜色空间累加颜色直方图特征与LBP纹理特征进行行人描述的混合特征。该方法结合使用了基于HSV颜色空间的累加颜色直方图描述子和LBP纹理描述子，对于光照、视角等变化有较好的鲁棒性，且具有较低时间复杂度等优点。在此基础上，提出了基于AVS监控视频码流的行人颜色信息描述方案，使得监控视频中关于行人的索引效率得到很大提升。　　 2.提出了一种利用视频中多视频帧中行人特征信息进行索引的方法。针对视频信息中存在着大量的冗余，而单帧图像利用信息不充分的问题，本文提出了一种利用判别典型相关分析进行视频多帧信息匹配的行人索引方法。基于判别典型相关分析的多帧匹配算法，在传统的典型相关分析计算两个数据集之间相关性来计算样本相似性度量的基础上，引入了样本的类信息，充分考虑了样本数据的类内相关关系与类间相关关系及其对分类的影响。本方法既避免了单视频帧匹配信息利用不充分的问题，又排除了监控视频中的大量冗余信息，大大加速了匹配速度，在行人索引实验中取得了良好的效果。　　 3.开发了一套基于颜色与纹理特征和多帧特征匹配的行人索引演示系统。该系统主要包含三方面的功能：特征提取、模型训练和行人索引。该系统界面友好、易于操作，在室内行人数据集上展现了良好的索引性能。　　 综上所述，本文针对监控视频自身的特点，对短时间段内行人监控视频中的行人索引技术进行了深入研究，为行人监控提供了鲁棒的行人索引算法。