近年来,随着社会经济的飞速发展和城市化建设的加快,城市交通车辆的增多所引发的交通异常事件逐年呈上升趋势。智能交通视频监控成为城市交通管理的重要组成部分。同时,交通监控视频数据也成为一类典型的大数据。传统的监控视频存储、计算和检索方式已经不能满足对海量交通监控视频智能分析的需求。因此,如何在交通监控视频中高效地提取异常事件和组织这些视频元数据成为了当前亟待解决的问题。本文研究从海量视频信息中挖掘提取出交通异常事件,并对交通异常事件信息进行准确定位和组织管理。首先,本文详细地分析了Hadoop框架中的分布式处理模块MapReduce,分布式文件系统HDFS,分布式数据库HBase。其次,提出了基于Hadoop的交通视频异常事件检测系统的架构模型,并针对交通异常事件的特点完成了各个功能模块的设计和实现,主要包括：视频源上传到分布式文件系统的数据载入功能,设计并实现了基于分布式处理框架的违章闯红灯、车辆逆行、非法停车三种交通异常事件算法,这些算法采用了原始视频处理和视频元数据二次分析两种方式检测异常事件；在此基础上,本文利用HBase对交通异常事件数据进行组织管理和检索。最后,本文利用交通监控视频数据对系统功能进行分析和测试。实验结果表明,本系统不仅显著地提高了交通视频异常事件检测的处理效率,而且事件元数据的组织管理也方便了用户的检索。