视频监控系统是高速公路管理系统中的重要组成部分,监控画面清晰正常是监控效果的重要指标。然而,实际的监控视频往往存在信号缺失、偏色、模糊、摄像头干扰等异常,影响视频监控系统的效果,且不利于后续高速公路异常事件的检测。现有的视频异常检测方法受复杂环境影响、实时性差,难以满足复杂的高速公路监控场景和实时性检测要求。为此,利用数字图像处理技术,实现高速公路监控视频异常的自动检测具有重要的学术意义和应用价值。针对上述问题,本文重点研究了视频图像偏色和摄像头干扰的检测技术,以及对不符合高速公路监控录像质量标准的视频自动筛选和判别技术。针对高速公路视频监控系统中经常出现的视频信号缺失和监控画面冻结的信号故障问题,本文分别给出了基于图像像素灰度值的方差、帧差法来实现这两种信号故障问题的检测。重点针对图像偏色问题,提出了一种偏色因子的计算方法,并给出了基于RGB三维颜色空间直角坐标系的偏色检测方法。通过在RGB颜色空间下,向量化处理每个颜色分量并计算其偏色因子实现对视频监控系统中偏色异常事件的检测。实验结果表明,该检测方法能够有效的检测出偏色的监控视频。针对高速公路摄像头经常发生平移、偏转、遮挡等干扰问题,本文提出了基于动态Harris角点模板匹配的高速公路摄像头干扰检测方法。利用角点在描述图像位置形状等方面的优势,基于掩膜提取技术,采用三张构造的灰度图对特定检测区域内的角点进行提取,然后根据角点数量和位置信息提出动态角点模板匹配算法计算匹配因子,通过匹配因子实现对摄像头的干扰检测。与Evan Ribnick检测方法相比,所提检测算法不仅耗时少,且具有较强的适应性和抗干扰能力。针对高速公路监控录像中常有的偏暗、偏白、模糊等不合格视频,本文提出了基于角点邻域像素标准差的视频图像清晰度评价方法来实现对高速公路视频图像质量的异常检测。该方法首先通过计算平均能量强度来排除偏暗或偏白的视频,再对视频图像结构特征进行分析,然后基于提出的视频图像清晰度评价方法对视频图像的清晰度进行评价,排除模糊的监控视频。实测高速公路视频验证了该方法的一致性和稳定性。最后,利用上述视频异常检测算法完成了高速公路监控视频异常检测系统的设计和实现,并编写了测试软件,对算法模块性能进行了测试,并对高速公路隧道、关键路段、收费广场场景下的监控视频进行了检测。实验结果表明,该系统能够较为正确地检测出高速公路监控异常视频,并能满足检测的实时性要求。