近些年来突发、异常事件逐年增加,面对这些问题,传统的人工监控系统越来越难以满足安全需求。尤其对于某些安全敏感区域,例如军警营区等场合的周界区域,出于安全管理的要求,需要对周边区域的人员进行入侵检测,当发现可疑目标进入区域,监控系统能够自动进行分析判断,有危急情况时,能及时发出警报并通知安保人员。所以智能视频监控系统成为主要解决手段,但由于监控场景的复杂性,单一依靠视频图像信息进行智能监控,有可能出现高漏警和高虚警。而异常事件往往发出异常声响,在一些地方,音频信号包含了比视频信号更直接的信息,它们能够及时有效地表示异常状况,可以增加对监控场景信息的掌控。因此,通过增加音频信息,可以弥补视频监控的不足。针对上述应用背景,论文分别就视频中行人检测、音频中异常声音识别两个方面开展研究,主要研究工作如下:首先,本文在传统的单纯依靠RGB通道模板和卷积神经网络的行人检测框架下,提出了结合多通道模板和卷积神经网络的行人检测方法。该方法一是采用运动侦测方法初步检测感兴趣区域,提高行人检测效率和降低虚警。二是采用多通道模板和最大值融合策略,降低单纯依靠RGB通道模板可能存在的行人漏检现象。通过行人入侵检测实验,验证了上述方法对营区周界警戒的有效性。其次,针对枪击声和爆炸声等异常声音的识别问题,本文提出一种基于M-MFCC特征和成对SVM的异常声音识别方法。该方法一是对MFCC特征提取方法进行改进,采用Hilbert变换取代傅立叶变换,增强枪击声和爆炸声等短时高能量声音信号特征的显著度和区分能力。同时采用前后半帧声音信号独立进行频谱变换和滤波的方式,减少冗余计算,提升特征提取效率。二是设计成对SVM分类器,一次实现三类声音信号的分类,解决了采用级联二元SVM分类器实现多类目标分类时运算效率低的问题。对比试验分析表明,论文所提方法具有较低的拒真率和认假率,可作为视频监控的有效补充。