早在2004年8月,上海方面就计划在2010年前于市区内安装20余万个监控摄像头，全面构建“社会防控体系”。社会防控体系只是视频监控的应用之一，但足以说明视频监控市场规模之巨大。“911”恐怖袭击事件、马德里爆炸案、伦敦爆炸案后，人们对于社会安全更加重视，视频监控更是由原来的金融、商业、交通、住宅、社区，延伸到各行各业。这表明，视频监控这一业务的市场已经开始升温。
早期视频监控业务的温度，可以说是早春的天气，乍暖还寒。这归因于当时的计算机、数字编解码、网络等各项技术尚未成熟，影响了视频监控技术的发展成熟。进入80年代以来计算机、数字编解码、网络这三大技术的旋风引来了视频监控技术的长足发展。
本地模拟监控阶段
当黑白摄像机、黑白电视机出现时，初期的黑白图像电视监控系统也诞生了。当时的监控系统大多采用模拟方式传输，最简单的是将图像基带信息直接送入视频传输电缆进行传送。每一监控点的视频信息都通过一条电缆线直接连接到中心控制室的多路切换控制台上，通过手动切换的方式选择控制点图像使之显示在电视上。模拟监控系统功能简单、可靠性差、易受干扰，系统寿命短。
基于PC的多媒体监控阶段
20世纪90年代中期，基于PC的多媒体监控随着数字视频压缩编码技术的发展而产生。系统在远端有若干个摄像机、各种检测和报警探头与数据设备，获取图像信息，通过各自的传输线路汇接到多媒体监控终端上，然后再通过通信网络，将这些信息传到一个或者多个监控中心。监控终端机是一台PC机，也可以是专用的工业控制机。
这类监控系统功能性较强，便于现场操作;但稳定性不够好，结构复杂，视频前端(如CCD等视频信号采集、压缩、通信)较为复杂，可靠性不高;功耗和费用较高，需要多人值守;同时，软件的开放性不好，传输距离明显受限。
基于Web服务器的远程视频监控
20世纪90年代末，随着网络技术的发展，给予嵌入式Web服务器技术的远程网络视频监控，而产生网络视频监控技术。基于嵌入式技术的网络数字监控系统不需要处理模拟视频信号的PC，而是把摄像机输出的模拟视频信号通过嵌入式视频编码器直接转换成IP数字信号。
远程网络数字视频监控系统，其关键设备内置嵌入式Web服务器的视频服务器。它广泛结合多媒体、图像处理、网络技术与信息技术，使视频监控基本满足了人们对视频监控系统的要求。视频服务器主要由大容量存储设备、输入/输出通道、视音频接口、网络接口、RS422/RS232串行接口、软件接口、协议接口以及视音频矩阵等组成。通常一个嵌入式Web服务器，直接将其连入局域网。用于压缩视音频数据、存储和其它多种处理。基于视频服务器的网络视频监控系统布控区域广阔，视频服务器直接联入网络，即插即用。系统内所有设备以IP地址标识，视频服务器硬件设备同处理器和操作系统捆绑紧密、功能专一。因而性能更加稳定，不仅便于安装、维护，还有利于实现系统的模块化设计，便于管理。基于视频服务器的视频监控系统如上图。
从系统的构建上来说，网络视频监控系统主要有以下几个应当满足的条件：网络条件(主要是系统的网络结构和方式，现有的网络形式包括：LAN、WLAN、ADSL、PSTN、ISDN、xDSL、CDMA、GPRS、卫星通信等)。前端的编码设备(网络视频服务器)，主要是音视频的采集和编码便于进行网络传输。监控中心部分，主要是视音频的还原和综合管理系统(中心管理软件)。
从系统涉及到的关键技术来说，视频监控系统中的关键技术主要有：数字编解码技术、数字视频网络传输协议和远程数字视频监控系统软件。
