作为支持向量机和神经网络应用研究的重要补充和发展,针对目前用于生产生活的监视、监控系统的广泛重视,本文提出了基于视频图像的MPEG4 压缩方式和支持向量回归与径向基函数神经网络决策的智能报警系统设计模式。由于MPEG4 标准是采用的基于内容和对象的编解码方式,不但能产生高效率的压缩比率图像,也能极大的减少视频传输时所占用的网络带宽。同时这种方式还能够有效的运用于对具体背景或者特定物体的定位和提取,这样就能更加智能化的实现对特定场所的监视。而在很多芯片生产厂家和研究机构已经开发出MPEG4 标准的视频图像采集编码解码的硬件。现在很多的宣称具有MPEG4 压缩格式的监视产品,都只是在视频存储阶段采用软件实现视频流格式的转换。本文提出在视频采集阶段运用MPEG4 标准的硬件,才是真正开始有效的利用这个的特色。在统计学理论基础上发展起来的支持向量机已经展现出优秀的学习性能,并由最初的分类任务完成扩展到处理回归、概率密度估计和异常值检测等问题。本文对支持向量机的原理及支持向量机分类与回归的关系作了理论上的说明,从而为回归的分类应用提供了一个思路。本文通过分析支持向量回归的理论,采用通过图像不变矩的回归函数值的比较,达到对有异物入侵的图像进行识别的目的。径向基函数神经网络是很好的局部感知场网络,具有快速逼近功能。文章通过将系统操作员认为可以不发生警报的和认定是危险图像的图像特征进行网络训练,利用该神经网络实现对有可能发生警报的图像进行二次识别,得到真正的必须报警的异物入侵图像。　最后通过Matlab 的仿真实验,证明该算法运用在发现异物入侵的报警系统有很好的效果,并得出整个系统的设计是合理的。