智能视频监控技术能自主对场景中的异常行为进行识别,面对日渐严峻的安全形势,其应用越来越广泛。目前大多数异常行为分析系统单纯从图像像素角度进行分析,不同场景下识别复杂行为具有一定的局限性。本文针对这一问题,利用基于单目视觉的摄像机标定技术,对原有的异常行为分析算法进行改进,具有研究意义和应用价值。本文首先研究了摄像机标定技术,实现了地平面像素坐标到实际坐标的转换,并对目标成像大小进行估计,对于提高后续处理算法的通用性具有重要意义。对于目标检测,采用基于混合高斯背景建模的背景减除法,增加了模型再匹配环节,以获得更完整的前景目标；参考估计的目标成像大小进行目标合并和筛选,以适应不同视频场景。对于目标跟踪,选择Kalman和Meanshift相结合的方法,增加了Meanshift跟踪窗口自适应调整功能,利于减少目标跟踪丢失次数；生成实际坐标轨迹,利于提高行为分析的准确性。对于异常行为分析,设计了区域入侵、尾随、徘徊三种典型安防异常行为分析算法。最后,设计并实现了基于视觉的异常行为分析原型系统,验证本文算法,实验结果表明,本文算法能够满足安防系统准确性和实时性要求。本课题研究立足于安防需求,期待对安防系统的智能化发展做出贡献。