近年来,伴随着互联网技术的快速发展,视频监控系统得到了越来越广泛的应用。在视频监控系统的运营过程中,视频不可避免会出现一些质量问题,比如模糊和偏色。这些问题会极大影响监控的有效性,因此视频图像质量的自动诊断变得越来越重要。在这个背景下,本文针对视频质量检测中图像模糊和偏色的问题进行研究,在研究的基础上设计并实现了一个视频质量检测系统。本文的主要研究内容如下:在图像模糊检测方面,针对运动模糊图像和失焦模糊图像检测效果差异性的问题,提出了一种基于决策树的模糊检测算法。该算法选取图像中的纹理信息、DCT（Discrete Cosine Transform）高频系数和边缘梯度作为特征指标,将模糊图像的检测问题转换为图像的分类问题。实验结果表明,在图像分类任务中,与其他对比方法相比,本文提出的算法有更高的准确率和召回率。在图像偏色检测方面,针对偏色图像在轻微偏色和颜色单一的场景下检测效果差的问题,提出了一种基于SVM（Support Vector Machine）和决策树的偏色检测算法。该算法使用多尺度技术对图像进行处理,充分利用图像的局部和全局信息,同时利用组合分类器弥补单一 SVM分类模型在特征选取方面的不足。实验结果表明,与其他算法相比,本文提出的算法在图像分类任务中有更高的准确率,同时还缩短了 19%的检测时间。以这些图像模糊和偏侧的检测算法为基础,设计并实现了一个视频质量检测系统。系统的核心模块包括登录注册、视频上传、视频播放、数据处理、模糊检测、偏色检测、系统管理、信息统计、检测结果展示等模块。系统的客户端采用VUE框架,服务端使用SpringBoot框架,图像的异常检测算法采用的是OPENCV和SKLEARN开源库。测试结果表明该系统可以有效地实现视频的模糊检测和偏色检测。