人群可疑行为检测技术是大型场所中视频监控的关键技术。此技术将视频监控系统由之前的只能做回看分析变成了突发事件发生时甚至是发生前的预警。这一技术在明显提高大型场所应对突发事件的反应速度的同时,还大大减轻了视频监控人员的工作量。近几年来,虽然人群可疑行为检测技术取得了巨大的进步,但是针对仓库区域这一特定场景,人群可疑行为的研究较少。因此,对仓库区域这一特定场景下的人群可疑行为检测技术进行深入的研究,具有十分重要的理论和实际意义。为此,本论文对仓库区域人群可疑行为检测技术的人群表示方法、可疑行为判别方法等关键技术进行了研究。本轮文主要工作和创新点包括以下几个方面:第一,针对仓库区域这一特定场景,使用区块能量图来分析人群可疑行为。同时,还介绍了区块能量图的表示方法以及合理性。第二,使用基于SIFT和YOLO的目标追踪算法用来合理的划分整个场景的区块,解决了均匀划分区块受透视效应影响的不足。第三,经过多个神经元网络的实验筛选,最终选定使用径向基函数(RBF)神经网络来处理通过区块能量图转化后的数据。最后,经过实验验证,采用目标追踪算法合理划分场景生成区块能量图,并把生成的数据带入径向基函数(RBF)神经网络后对本文定义的五种人群可疑行为的判定取得了良好的效果。