随着计算机、通信、网络技术和视频监控技术的高速发展，视频监控系统在不同行业和领域中已广泛应用。但现今基于传统网络的视频监控系统存在视频文件的海量存储、网络带宽资源不足、传输数据量巨大等严重缺陷。本文针对这种海量的数据负载、网络传输数据量迅猛增加的问题，提出了一种基于帧差法和背景减除法的视频监控系统技术的设计方案和实现方法，经仿真验证该网络监控系统具有良好的实效性、稳定性和安全性。该系统在云端部署，开发便捷，使用方便。它能够让系统构架师按照不同的需求购买云计算服务商存储空间，对网络视频监控系统的存储设备成本控制具有很好的效果。云计算的客户端需求低、数据安全可靠、无限的扩充能力、轻松共享数据等，对于网络视频监控的共享性、安全性、实时性需求具有显著的效果。本文研究了传统网络视频监控系统中的视觉监控技术，为有效利用带宽、减少视频存储量，提出了一种改进的视频运动目标检测方法。分析了运动图像的三种基本检测法，光流法、帧差法和背景减除法，研究了关于图像变化对于色彩空间的影响，提出了HSV色彩空间对于视频监控的优势。系统采用S3C6410微处理器和Linux3.0.1嵌入式实时操作系统为相应的硬件和软件开发平台，软件部分针对S3C6410处理器对BootLoader(U-Boot)和Linux内核做了较为详细的分析和移植，编写和移植DM9000的驱动程序，建立NFS网络文件系统和USB摄像头驱动程序的分析和移植，采集模块利用VideoForLinux2及时进行视频数据的捕获，在云端基于GAE云应用下利用Python和JAVA语言实现了云端监控系统。本系统通过运动目标检测的改进算法的实现，尝试在网络视频监控系统中引入智能判别技术，并且在实验中取得了良好的效果。提出了将视频监控系统部署到Google云上，极大的减少了本地存储负载，从而可以按需购买Google云存储和云应用，降低了成本。将传统视频监控系统的C/S架构转变为B/S架构，所有数据包都遵循通信http协议，实现了真正意义的跨平台应用。