智能视频监控作用越来越突出,其核心技术是事件检测。本文主要研究了与智能视频监控相关的行人检测、事件检测和多GPU并行优化三个方面。行人检测方面,本文提出了一种高效的基于CNN的行人头肩检测方法,该方法建立了检测行人头肩部的级联深度网络(Head-shoulder Cascade Deep Network,HsNet)模型。使用 HsNet 模型检测行人头肩的方案有效地抑制了严重遮挡对检测的影响,且深度网络可以捕捉到头肩部位具有判别性的信息;另外,级联结构提高了检测速度。为促进行人检测算法的研究,我们人工标注了监控视频库TRECVIDSED2008的部分视频,总共得到404,000个行人样本,并将其命名为 SED Pedestrian Dataset(SED-PD)。在 SED-PD 上的实验表明,在拥挤的监控视频中,我们提出的行人检测方法达到的性能可以与当前检测性能最高的方法相媲美;而且,本文方法比其它高性能检测方法速度快。事件检测方面,我们提出基于CNN检测关键姿态的事件检测方法。该方法在2014年的TRECVID SED国际评测的Embrace和Pointing事件检测上分别取得了排名第1和第2的成绩;其改进算法在2015年的TRECVID SED任务中Embrace和Pointing的检测中都取得了排名第1的好成绩。此外,本文还进一步探索了基于CNN的同时利用空域和时域信息进行事件检测的算法。多GPU并行优化方面,在保证相同准确率的前提下,本文实现的异步随机梯度下降算法在LeNet、CifarNet和AlexNet三种模型的训练上加速比分别为1.920、1.724和1.281倍(2块GPU);且其整体性能比另一种多GPU并行算法HogWild高。