越来越多的监控摄像头遍布在公共场所。这些摄像头产生的数量巨大的原始粗糙信息或者被储存或者用来接受专职人员的监控。人工处理这些视觉信息的工作是单调乏味的，同时，大部分时间的原始视频中并不包含我们所关注的目标事件。摄像头如何被用来有效的进行场景监测，并根据需要进行实时预警，这是视频监控领域的需求之一。另外，随着对视频内容理解技术的发展，允许监控人员可以同时地实时监控多个复杂场景。因此，监控系统中需要处理的视频数据量非常大，不仅需要对场景的实时处理，如何处理获取到的大量视频数据，也是一个困难的问题：需要生成一种自动处理工具，帮助操作人员通过对原始视频流的有效地检测标注和整理，形成基于内容的结构化视频序列，以满足工作中对监控视频数据的保存和查询需求。 对视频监控场景的实时监控预警的需求和对监控视频流基于内容的结构化处理的需求，促使我们开展了基于内容的自动视频监控研究。 本文通过对视频监控问题进行深入研究，提出了一个基于内容的自动视频监控研究框架。该框架有针对性的从目前视频监控存在的问题入手，在实现目标物的检测，跟踪的基础上，对监控场景的事件行为分析理解，并根据监控需要进行事件自动预警。另外，通过基于内容的视频镜头切分，将原始视频流整理为结构化的镜头序列，方便了进一步的数据信息查询。大量在该框架下进行的实验说明了该系统框架的鲁棒性，实用性和有效性。 总体上说，本文贡献如下： 我们提出基于码书模型的改进背景减除算法，用动态原始视频流作训练数据，鲁棒地处理了复合复杂监控场景的背景建模问题。 我们提出基于内容的横向监控视频分层的概念。假设像素中存在协调一致的可统计计算的特征，通过足够的学习，产生一个包含可计算特征库的模型来系统的优化构建了视频层切分工具。 我们基于隐马尔可夫模型对监控场景中的内容事件进行识别。通过最小化组成分布