La tecnología de vigilancia de video inteligente (IVS) se utiliza ampliamente en varios sistemas de seguridad. Sin embargo, la degradación de la calidad en las imágenes de vigilancia (SIs) puede afectar su rendimiento en tareas basadas en visión, lo que lleva a dificultades en el sistema IVS para extraer información válida de las SIs. En este documento, proponemos un modelo híbrido de evaluación de calidad de imagen sin referencia (NR IQA) para SIs que puede ayudar a identificar distorsiones no deseadas y proporcionar pautas útiles para la tecnología IVS. Específicamente, primero extraemos dos tipos principales de características conscientes de la calidad: las características visuales de bajo nivel relacionadas con varias distorsiones y la información semántica de alto nivel, que se extrae mediante un transformador de visión de última generación (SOTA). Luego, fusionamos estos dos tipos de características en el vector final de características conscientes de la calidad, que se mapea en el índice de calidad a través del módulo de regresión de características. Nuestros resultados experimentales en dos bases de datos de calidad de contenido de vigilancia demuestran que el modelo propuesto logra el mejor rendimiento en comparación con el SOTA en métricas de NR IQA.