视频监控系统作为视频媒体技术的一个重要组成部分，在近年来经历了高速的巨大发展。一个友好，高效，智能的视频监控系统在多个领域都显得越来越重要。本文重点研究了视频监控系统中的两个关键技术：监控视频的对比度增强以及智能视频监控系统中的事件检测。在视频对比度增强方面，我们提出了一种结合帧内和帧间限制条件的增强算法。该算法利用融合的思想将一种新的帧间限制条件和我们提出的一种全局帧内增强算法融合在一起，使之能够对视频序列的帧内对比度质量和帧间对比度一致性同时进行增强。其中，帧内全局增强算法主要针对视频中一些关键区域的对比度进行全局增强，使图像的色调更加自然；而帧间限制条件则可以保证视频在时域上的连续性，使相邻两帧画面在整体对比度及亮度上比较接近。利用本算法，可以有效增强最终显示视频的质量，使用户更好地观察分析监控视频。对于行为识别问题，我们提出了一种扩展的网络传输模型以及基于此模型的行为识别算法。扩展网络传输模型对场景进行分块，每一个场景即可看作是一个理想传输网络中的一个节点。每当有目标在场景中运动时，我们就可以将这种运动看作是一个数据包在网络中的传输。本文提出的扩展网络传输模型可以处理任意形状的分块，同时提出了一种递归的方法来训练分块之间的传输能量。此外，我们将此算法拓展到群组行为识别中，来识别较为复杂的行为。本文提出的算法即可以有效识别异常轨迹等目标与场景相关的行为，同时也可以识别聚集、分离、打斗等群组交互行为。