智能视频监控是计算机视觉领域的研究前沿,具有极其重要的科学意义和广阔的应用前景。相对于传统的视频监控系统,智能视频监控系统不需要人为干预,具有监控时间长、报警精确度高、响应速度快等优点。在世界反恐斗争日趋严峻公共安全更加复杂的今天,智能视频监控已成为应对恐怖主义袭击和处理突发事件的有力辅助工具。在现实场景中,我们关心的是视频监控中的异常行为,对异常行为的识别可以及时地告知监控人员在监控区域是否有危险的行为出现及其类型,这样能及时发现并阻止更多危险活动的发生。因此如何将这些异常行为准确检测和识别出来是本文研究的主要内容。由于获取的视频图像受环境和电子器件本身的影响,会使视频图像产生模糊、残缺等不利影响,为了改善图像数据,抑制不需要的变形和增强某些对于后续处理重要的图像特征,减少后续处理的计算量和复杂度,所以本文对采集到的视频图像进行了预处理,包括灰度处理、阈值分割和中值滤波去噪。在运动目标检测方面,本文采用帧间差分与背景差分相结合的方法。在现实场景中,物体的阴影会对运动目标的准确识别产生较大的影响,因此在运动目标检测时,进行了消除阴影处理。着重介绍了HSV空间阴影检测和RGB空间阴影检测两种方法,并将这两种方法的阴影检测效果做了比较分析,得出采用RGB空间阴影检测方法消除阴影对运动目标的准确识别更为有利的结论。在对异常行为识别中,利用异常行为的特征,给出了人的异常行为判别准则。以此来判断在特定监控区域内运动目标是否存在消失、攀爬、跌倒、遗留物体等异常情况,并发出报警。实验结果表明所给出的异常行为识别方法简单、快速、准确,取得了较好的识别效果。