本文主要围绕智能视频监控系统中的异常事件监测中所面临的预处理、目标识别、异常事件检测方法展开研究和探讨，并获得一定的研究进展，具体包括：在视频图像的预处理方面。首先，根据小波变换后图像结构系数衰减特性的不同，对图像进行多尺度纹理描述，并给出一种噪声图像下小波域边缘保护方法，在此基础上提出一种边缘保护策略的图像去噪方法。实现去噪过程中边缘的有效保护与补偿，避免了基于小波域滤波方法常面临的边缘信息损失的问题，在保护边缘的基础上提高了图像去噪的效果；其次，在非局部滤波框架内，给出了基于小波能量系数的自适应非局部滤波方法，通过小波能量作为度量，在小波变换域对图像内容进行分类，并通过Mean-shift分割，基于图像Patch层自适应的进行划分，从而使图像中的Patch能够根据不同结构内容进行区分，进一步增强了图像非局部滤波在权值估计中的可靠性，提高了图像去噪的效果；第三，给出一种面向视频特征的快速三维非局部滤波方法，通过运动目标检测搜索视频中变化较大内容，此后对该区域进行系数更新，有效减少大量相似区域的重复计算，在保证去噪效果的基础上，大大减少计算时间。在目标检测方面，针对图像的主题模型与基于Hough森林的目标检测方法进行改进。首先，主题模型是目前自然语言与图像理解方面的热点，在主题模型的框架内，我们针对图像的特点提出了基于图像隐式结构的主题模型，隐式图像块模型——LatentPatch Model（LPM）。通过LPM，在图像上建立有效的“主题”层，有利于图像处理任务的执行。在事件监测方法的研究方面。在室内外环境下，对传统局部与全局光流法—Lucas-Kanade方法进行改进，通过定义Lucas-Kanade光流能量与深度的关系，从而将运动物体与拍摄者距离的信息考虑到光流分析中去，从而增加了异常事件分析的准确性与鲁棒性。