近年来随着城市建设理念的跨越式发展,公共交通领域的基础建设发展迅速,各种类型的监控设备显著增多,但是监控系统中潜在的问题也相应地显现出来。监控系统的实际运行过程中,由于受各种现实因素的影响,监控视频画面经常会出现一些异常情况,导致视频质量的下降,严重影响系统的正常运行,不仅使得监控系统无法发挥其应有的作用,而且不利于事件发生后的信息提取。另外,考虑到系统成本、监控拍摄、视频传输和存储等客观限制条件,部分监控视频的分辨率并不高。涉及公共安全事件的关键信息往往发生在这些监控场景中,给交管人员的相关工作带来了影响。因此本文开发了一种面向交通监控视频的图像异常检测系统,并构建了一种基于超分辨率重建的关键信息重建方法。(1)本文研究了常见视频图像异常类型的空间域特点,开发了一种面向交通视频的图像异常检测系统,实现对系统后台监控视频质量的自动检测,分析出视频图像的异常类型并及时预警,为工作人员提供检修依据。(2)针对涉及到公共安全事件但视频分辨较低的监控场景,本文构建一种基于自适应权重的混合超分辨率重建方法,对无视频质量问题的关键图像信息进行重建。该方法利用了外部训练数据和内部自相似性数据的先验知识,通过构建的权重值自适应选择最佳方法最小化图像重建误差,充分融合基于外部数据学习和基于内部数据自相似性的重建方法优势。(3)本文利用实际交通监控视频数据测试了该系统的稳定性、可操作性;对经典的超分辨率重建方法进行了研究,对比分析各方法的优缺点,并在具有代表性的数据集上完成了实验对比分析,验证本文所提方法的有效性。