现有的视频监控系统大多关注于场景内运动目标的检测或跟踪,然而,监控的目的常常是对监控场景中的异常事件或监控对象的异常行为进行检测、分析,在长时间视频序列中采用人工处理此类工作既不实用也不经济。因此,在视频监控序列中进行异常检测十分重要而且必要。本文针对室内环境中的异常行为进行检测,分别研究了基于人体侧面信息进行异常检测的算法和利用正面信息进行异常检测的算法。文中均采用支持向量机(SVM)作为识别算法,在自行采集的实验数据库上进行了训练和测试。针对拍摄的人体侧面运动视频,本文指定跌倒为异常行为,其他行为为正常行为。文中选取质心轨迹和人体轮廓宽度特征,采用线性核的SVM分类器进行异常行为的识别。实验结果表明,该算法达到97%以上的检出率和较低的误检率,同时拥有相对较低的计算代价。对于正面的异常检测,本文采用了一种基于网格技术的特征提取方法,将人体轮廓映射到一个二维数组,通过抽样轮廓上的特征点,利用这些点的相对位置信息构成特征向量,最后运用SVM分类器进行异常行为的识别,也取得了令人鼓舞的识别结果。上述提到的实验结果,均是在VC++6.0和DirectShow平台上自行开发的异常行为检测系统上获得的。