智能视频监控是当前世界上机器视觉研究领域中的一个热点，它结合人工智能、计算机图形学、模式识别等研究领域的成果，自动地解析视频监控设备采集的视频流，为监控者抽取和提供关键信息。　　 在实际应用中，监控者所要获取的信息可能同时出现在多个视频流中。单个视频流的事件检测往往无法从多个角度抽取信息，并加以综合分析。多视频流事件检测的优势在于通过视频流之间的关联性提高检测结果的准确性，其难点在于如何让检测结果的同步性和准确性同时得到保证。　　 本文以ATM机上发生的非法取款行为作为主要研究对象，提出一种多视频流异常事件协同检测和取证方法，同时考虑实际应用的准确性、经济性，建立原型系统。该系统主要用于实时监控ATM机自助取款行为，对非法取款行为进行自动报警和证据保存。　　 首先，根据非法ATM机自助取款行为的特殊性和规律性，提出一种多视频流异常事件检测方法，并初步建立多视频流异常事件检测系统。其中，对可能存在的取款操作者人脸部分的反取证行为，该方法使用基于类Haar特征的Adaboost算法检测有无脸部遮挡，同时使用粒子滤波器与均值漂移结合的目标跟踪算法检测操作者手部运动轨迹，并且通过各模块之间事件检测的关联，判断是否存在非法取款行为，进行自动报警和证据保存。　　 其次，针对多视频流异常事件检测中可能存在的视频流之间检测不同步的现象，本文在初步建立的系统里，为手部轨迹跟踪模块加入基于时间消耗的自适应粒子滤波器，并与均值漂移目标跟踪算法结合使用。该方法保证了事件分析的同步性，提高了整个系统分析结果的准确性。　　 最后，考虑到实际应用的经济性，本文在上述方法的基础上，讨论一种多任务的多视频流异常事件检测方法，并建立原型系统。同时，由于该方法相对于单个任务的多视频流异常事件检测方法可能存在的准确性降低明显的现象，因此文章加入了一种多任务下的自适应计算量分配机制，使该方法的准确性维持在较高的水平。