目前，视频监控在学校、车站、银行和机场等公共场所中发挥中极其重要的作用，然而传统的视频监控完全依靠人工进行视频信息处理，其事件和精度特征都难以满足系统安全的需要，因此，采取智能的方法来处理这些海量的视频监控数据以提高系统的有效性与可靠性是亟待解决的问题。近年来刚刚兴起的视频异常挖掘技术，是应用数据挖掘技术实现图像异常模式分析的多学科交叉课题，它融合了数据挖掘、图像处理、计算机视觉、机器学习、模式识别与人工智能等研究领域，已经在视频监控系统发挥着重要的作用，其核心任务是从视频底层特征中，提取出视频序列中隐含的、潜在有用的知识和其他隐含的图像模式。本文从图像处理和数据挖掘技术出发，以视频异常事件检测为核心任务，研究了智能视频监控系统的关键技术，本文所做的工作的和主要创新点有：(1)提出一种面向固定摄像机环境下的运动目标检测方案，利用马尔可夫随机场与最大类方差法的混合模型对视频序列进行前景分割，以达到对运动目标检测的目的。该方法具有检测精度好、训练与检测效率高、对噪声不敏感的特点；(2)提出了一种新的基于马尔可夫链模型的异常行为检测算法，该算法通过对象的局部特征对对象的行为特征向量进行概率密度估计，不仅达到降维的目的，同时降低了行为分类检测的复杂度。通过实验分析表明，该方法总体上达到了80%以上的正确检查率；(3)针对多人之间发生异常行为进行研究，提出一种能准确的辨识此类异常行为的异常算法。该算法在传统的能量模式基础上，根据马尔可夫随机场邻域相关的特性，加入连续帧的动态特征，重新构造了能量函数，然后对整幅图像中的所有像素点的能量进行累加并用能量曲线进行数据分析。最后与传统的方法比较表明了该异常检测算法的优越性。