视频监控系统在安全防范和现代化管理中的应用愈加广泛，对特定场合的相关视频事件进行智能分析的需求越来越大。目前，国内外研究基于内容的视频检索取证系统较多，而将取证与事件检测、实时行为分析的研究还比较少。　　 本文主要研究ATM机监控视频中出现的异常事件检测方法，具体针对复杂环境下的取款人头部定位技术与脸部异常行为分析等方面进行研究。本文主要工作包括：　　 首先，针对常常出现在ATM机前的人体侧立或部分被遮挡，摄像头角度倾斜或俯视下的拍摄等情况，很难获取完整的人脸信息来完成人脸检测和定位。本文在运动目标检测基础上结合肤色和结构轮廓特征进行人头定位，针对人脸不全的情况，分析和实现了基于快速检测人脸区域的定位方法。该方法不仅能够避免在人脸信息不全等状况下丢失目标，还能通过人头定位进一步获取人脸信息，来完成人脸检测的工作。　　 其次，针对取款人故意遮挡脸部等反侦查、证据掩盖行为，本文提出一种基于智能视频内容分析的异常行为检测方法，并将其应用在ATM机视频取证分析应用中。结合加权化的几何特征法和PCA法的优点，探讨、设计了一种改进的PCA法对有帽子等遮挡物及光照影响下的异常事件进行检测，该方法也可实现事后视频自动分析，提高ATM视频监控系统的智能化。实验结果表明该方法在视频事件检测中的有效性，识别速度基本达到对监控视频分析处理的要求，鲁棒性较好。　　 最后，设计、开发了一个面向ATM机视频的取款人异常事件取证原型系统，并实现了异常事件快速检测取证等功能。应用该原型系统对相关实际案例的视频进行分析，结果表明能快速准确地生成视频证据，有效提高取证分析的工作效率。