近年来恐怖袭击事件频发,人们对于公共场所的安全的关注度越来越高,传统的人工检测手段无法高效准确的完成异常事件的检测,人们希望计算机对监控视频捕捉到的画面自动分析,并在异常事件发生时及时发出警报,实现智能监控系统的搭建。目前本领域的研究方向是建立半监督的模型,检测画面中是否存在异常事件。研究主要存在的问题是模型兼容性差、计算复杂度过高。针对这些问题,本文提出使用隐马尔可夫模型建立正常事件的模型,模型的兼容性增强。同时,在特征提取和筛选过程中使用基本、快速的算法提升模型整体计算效率。本文提出了利用隐马尔可夫模型作为基础模型,实现监控视频的异常事件检测。,隐马尔可夫模型作为一种生成模型在视频异常事件检测领域比较新颖,可以在不同场景中针对不同类型的异常事件进行有效检测,包括位置异常、速度异常、方向异常、群体行为异常等。本文的算法框架如下:首先提取视频的三维梯度特征;对提取的特征信息采取随机筛选的处理,在保证模型精确度的前提下,大幅度提高计算效率;然后,对筛选后的特征信息使用主成分分析法进行降维处理,提取主要信息;训练过程中建立仅包含正常事件的模型,对测试数据计算其由此模型生成的概率,根据设定的阈值判断是否存在异常。本文算法成功的在三个国际认可的公开异常事件检测数据库上完成了检测,同时,根据实验结果绘制ROC曲线对模型进行评价,并与其他经典优秀算法进行比较,有比较突出的结果。