智能视频监控系统是近年来计算机视觉领域的重点研究课题之一,随着国内经济的飞速发展,一系列社会问题逐渐显露,加之国际恐怖主义依旧猖獗,安全领域对智能视频监控系统的需求日趋强烈。以往的视频监控系统只能够完成简单的图像传输,大多数系统仅仅能够用作为事件发生后的调查取证,如果想通过传统的视频监控系统进行实时的监控,及时发现突发情况,只能通过专人职守的方式来完成。智能视频监控系统克服了传统视频监控系统的弊端,它运用图像处理、模式识别、人工智能等技术,可以对视频中的物体进行智能化的识别和监控,并自动检测出视频中的指定内容,面对社会安全环境日渐复杂,视频监控需求日益增多,安全保卫工作压力逐渐加大的实际情况,智能视频监控系统有着十分巨大的应用价值。智能视频监控系统的主要任务是识别视频中人类异常行为的发生,本文主要对智能监控系统中的异常行为监测技术进行了研究。首先对智能视频监控系统及异常行为技术的应用领域和研究状况进行调研分析。对比和研究现有的运动前景提取方法,提出了一种基于改进混合高斯模型的背景建模方法,进行运动前景的分割提取,实验证明该方法能够克服传统混合高斯背景建模法初始化慢、背景与前景易发生融合等问题,对背景因素的干扰抵抗能力强,能够在较复杂的场景中有效地对运动目标进行快速提取。接下来,对异常行为检测中的另一项关键技术——运动目标跟踪技术进行了深入研究,通过对现有算法的分析,找出了干扰运动目标跟踪效果的主要问题,针对性地运用了一种基于Kalman滤波的运动目标跟踪算法,提高对运动目标跟踪的稳定性和准确性。最后,本文提出了一种基于多种特征的异常行为识别方法,通过综合分析运动目标的轨迹特征和视频序列的区域光流特征,对目标的行为进行识别,克服了原有方法的局限性。进行算法设计和实验研究,结果证明结合本文所研究的几项关键技术,能够对目标实现基于多种特征的异常行为监测,且具有适用范围广、实时性好、准确率高等优点。