近年来,随着深度学习技术在计算机视觉领域取得了突飞猛进的进展,越来越多的人希望将计算机视觉应用于生活中。井盖安全管理一直以来都是城市管理的重点问题,随着智慧城市的到来,城市中的摄像头不断增多,同时5G时代也使摄像头与服务器之间的数据传输变得更加高效,基于视频监控的井盖安全管理已成为大势所趋。针对以上背景,本文对基于视频监控的井盖检测及安全预警进行了研究与实现。具体研究内容如下:对单阶段目标检测网络中精准度与检测速度最为均衡的YOLOv4网络进行了改进,修改了其中的骨干网络结构,并在模型的输入中融合了深度信息和基于Canny算子生成的边缘信息,实现了多维特征输入,提高了对于普通井盖及破损井盖的检测效果。最后通过对比实验,证明了基于YOLOv4改进的井盖检测模型的有效性。将基于YOLOv4改进的多维特征输入井盖检测模型应用在了视频检测中,提出了一种针对井盖被盗与破损检测的预警机制,同时设计并实现了原型系统。