近年来,人工智能与计算机视觉技术的蓬勃发展,给人类生活及社会赋予了新的便利与可能性:人们现在已经可以顺利地在移动设备上使用人脸识别完成支付、使用装载摄像头的无人机建立场景的精准三维模型,等等。然而,在智能视频监控领域,计算机视觉技术仍然面临着许多困难亟需解决,本文主要对目标检测、多目标跟踪及群体事件检测这三个问题做了深入的研究。目标检测是监控视频分析中的基本问题。我们提出了一种基于FasterR-CNN的物体检测方法,克服了一般方法在小物体检测任务上的缺陷和不足,并将它运用在航拍球场视频的球员检测任务中,有效地提升了小物体的检测性能。本文对基于层次关联的多目标跟踪算法做了有效地优化:改进了底层连接中的外观与距离相似度的计算方法、使用基于CNN和RNN的模型对行人轨迹提取准确的低维外观嵌入特征,使用并发的高斯过程回归对轨迹进行快速平滑与拟合,等等。本文通过对比改进前后的方法及其它流行的多目标跟踪算法作比较,验证了所作改进的有效性。本文提出了一种基于行人轨迹与弹簧模型的群体事件检测方法。该方法在2016年与2017年的TRECVID SED评测中取得了优秀的结果。