智能视频监控是计算机视觉领域中近几年来倍受关注的一个应用领域,它是利用计算机视觉和图像处理等技术对视频信号进行处理、分析和理解,发现监控画面中的异常情况,并能够快速准确地提供警报信息,从而有效提高视频监控异常事件检测的工作效率。目前,国内外研究人员在视频监控异常检测方面开展了较深入的研究工作,一定程度上解决了视频监控中的数据量大,响应时间长和检测效率低等问题,但仍然存在着检测方法通用性、准确性差等问题。本文基于数据驱动的基本理论方法,针对连续时间序列的视频帧图像数据,开展了异常事件检测方法的研究工作。检测过程分为视频数据预处理与异常事件检测两部分。在预处理阶段,分别获取样本中视频帧的图像灰度数据,基于分块思想将每一帧的灰度数据进行N x N分块,提取每一块像素灰度的平均值组成特征矩阵,并对样本与待测数据进行降维处理。在异常事件检测阶段,本文提出两种检测方法：(1)通过将待检测视频帧数据与已知正常事件样本数据进行相似度度量分析,从而判定该事件是否为异常事件；(2)从统计角度出发,根据事先定义好的正常事件数据集,设定相关阈值后,在无限隐马尔可夫模型基础上检测待检测事件是否为异常事件。为保证系统检测的实时性,利用FPGA的并行执行特性和内部的逻辑资源丰富等特点,选用FPGA芯片作为视频监控的主控制器。将系统的图像采集、异常事件检测、显示等功能都在一片FPGA内实现,提高了系统的集成度。所有的模块设计都是利用Verilog HDL描述,在处理速度方面有了显著的提高。实验结果表明,本文设计的以FPGA为监控平台、数据驱动为检测方法的异常事件检测系统具有适用环境广、检测实时性好、系统升级及维护方便等优点。