智能视频监控系统近年来在公共安全领域发挥着越来越重要的作用,其越来越被公众所关注。事件检测是智能视频监控系统的核心,涉及到的主要技术包括在复杂场景中进行目标识别与检测、目标跟踪、行为分析、事件识别与检测等。在本文中我们主要研究了行人检测、多目标跟踪与事件检测三个方面。我们研究了主流的行人检测技术,详细分析了基于Edgelet特征的行人检测算法并对其进行改进,提出了一种新颖的Edgelet-LBP特征。在训练检测子时,本文运用基于特征空间分块的弱学习方法训练Real Adaboost分类器,该算法与我们提出的Edgelet-LBP特征可以很好地进行匹配。实验结果证明本文提出的行人检测算法与当前流行的算法具有可比性,其中头肩部检测子在拥挤环境下具有良好的检测性能,对处理部分遮挡问题起到了关键作用。本文实现并改进了一种基于解广义最小团的多目标跟踪算法,该算法同时考虑了目标的全局和局部特征,能够更加准确地对多目标进行跟踪。实验结果证明我们对原始算法的修改在保证视频片段内跟踪性能的条件下,令算法更加符合应用需求,并提高了算法的运行速度。我们实现了两种事件检测算法,一种是基于空间分块的事件检测算法,另一种是基于行人检测与跟踪的事件检测算法,两种算法分别参加了2012年和2013年的TRECVID SED竞赛,积累了有价值的经验及教训。通过实验我们对比了两种方法及不同特征和分类器的性能,并给出了详细的性能比较和实验结论。