随着视频监控技术在多个领域得到了广泛的应用,监控摄像头使用数量的不断增长,如何高效地对其进行维护和管理变成急需解决的问题。另外使用目前设备硬件性能监控手段很难检测到监控设备软性故障,如摄像头被遮挡,位置偏移,聚焦模糊,色彩失真,黑屏等,以往以上视频图像质量问题需要人工排查,这不仅大大了增加巡检人员的工作量,而且检测的准确性完全依靠巡检人员的检测力度,基于以上现状,实现视频图像异常检测自动化、智能化显得尤其重要。针对以上所述的问题,本文着重研究了视频图像黑屏、灰度异常、摄像头偏移、摄像头遮挡这四种常见问题,并提出了相应的检测算法。针对监控视频图像黑屏的问题,通过分析黑屏和正常图像的灰度直方图,提出一种视频黑屏的检测算法,通过设置像素阈值识别黑像素点,计算图像黑像素率判定是否为黑屏,实验结果表明,该方法能有效地检测监控视频图像黑屏的问题。针对监控视频灰度异常的问题,提出了统计图像R、G、B三通道两两方差值来检测图像灰度异常的方法。最后通过实验证明此方法检验图像灰度异常的可行性。针对摄像头位置偏移的问题,提出一种摄像头位置偏移检测方法,该方法首先提取正常图像背景区域与待测图像相同区域的边缘特征值,分别统计特征值直方图,然后计算直方图相似度,通过相似度判断待测图像是否发生偏移。针对摄像头遮挡的问题,本文分析了传统图像算法对摄像头遮挡检测采取人工提取特征的方法的缺点,而卷积神经网络在机器视觉领域中优点在于图像特征的自动提取。提出基于深度学习方法解决视频监控中摄像头遮挡问题检测,并通过消融实验对网络参数确定,最后通过实验验证算法的有效性和场景适应性。最后,基于上述图像异常检测算法设计并实现了一套监控视频图像质量异常诊断系统。