传统视频监控利用人为监督方法获取特定场景的视觉信息，由于受生理和自然条件的限制，人们在观察和获取视觉信息时存在很大的局限性，有些信息甚至是人眼无法观察到的。随着科学技术的迅速发展，取而代之的是智能视频监控系统。智能视频监控中的视频异常事件检测问题是当今安防领域的一个研究热点，智能交通监控、公共场所人群监控以及空巢老人智能监控等诸多方面都存在着视频异常事件检测问题，其涉及的技术包括图像处理、模式识别以及人工智能等。视频异常事件检测算法中的统计图模型在实际应用中充当着极其重要的作用。本文探索了不同统计图模型结构下对视频异常事件检测的有效性，最终研究了两种用于异常检测的统计图模型：HMM和LDA级联模型以及DMC-HMM模型。主要的研究内容和获取的研究成果包括如下两部分：提出了基于HMM和LDA级联模型的视频异常事件检测方法，将得到的LDA语义特征视为HMM观测量，从而构造出级联模型。抽取的SIFT底层特征包含了视频事件的基本信息，在将视频图像视为文档的前提下得到的SIFT特征信息也可看作文档中的词汇。接着运用LDA模型抽取视频词汇的语义特征，语义特征描述了视频事件的关键有用信息。HMM异常检测实验表明，级联模型相比HMM在检测率方面获得的效果更好。提出了基于DMC-HMM模型的视频异常事件检测方法，DMC-HMM模型由DMC模型与HMM相结合而来。DMC（Dirichlet Multinomial Conjugate）模型中不存在主题的概念，词汇直接由一个简单的多项式分布所生成，而DMC-HMM模型构造的关键在于将词汇的先验参数视为HMM观测量。实验结果表明，DMC-HMM模型在异常检测时获得了良好的检测效果。