在智能化深入普及和公共安全被高度重视的今天,人们对于智能视频监控系统尤其是具有实现实时性海量视频数据处理能力的智能监控系统有迫切需求,视频异常检测技术持续成为图像处理、机器视觉的研究重点与热点,且在社会生活中发挥着越来越重要的作用。针对视频监控系统对于实时性视频大数据处理能力的需求,该文在深度学习卷积神经网络基础上,对监控视频中异常目标的检测和定位进行了研究,主要研究内容包括以下几点:首先,针对拥挤场景下的异常目标检测与定位问题,提出基于并联双流三维卷积神经网络的视频监控异常目标检测与定位算法。针对视频序列中大量背景信息及有效信息分布不均匀的情况,采用光流结合非均匀的细胞分割对视频的运动目标进行提取并得到空间尺寸大小不同的时空兴趣块。针对不同异常动作被学习识别所需时间不同,采用并联双流三维卷积神经网络分别从7帧和3帧两种帧长度兴趣块进行学习,最后通过对不同帧长时空兴趣块异常判别结果的融合得到最终异常检测结果。其次,为提高异常检测算法对数据的自适应能力,降低对应用场景具有局限性,提出时空深度特征近邻传播聚类算法(Affinity Propagation Clustering,AP)的稀疏表示视频监控异常目标检测与定位算法。首先采用三维卷积神经网络对前景提取得到的时空兴趣块进行时空特征提取,并在字典学习中采用AP聚类方法,将训练样本中具有代表性的特征作为字典,极大降低字典维度。该算法将测试样本进行AP聚类后仅对具有代表性的聚类中心进行检测,在减少实验时间的同时削减了阈值对检测效果的敏感度。最后,为实现复杂场景下端对端的实时视频异常检测,借鉴目标检测的思路,提出端对端的单次多目标检测(Single Shot MultiBox Detector,SSD)实时视频监控异常目标检测与定位算法。该算法通过不同的6个卷积特征图上设置目标预选框得到异常分类及自适应的更加准确完整的异常目标边界框,完成异常检测与定位的一步式实现,同时该方法每秒可处理近58帧视频,基本符合实时性的需要。