视频异常检测是目前图像处理、人工智能领域的研究热点。实现监控视频中行为异常和表情异常检测的智能化,不仅能够减少人工检测成本,同时能够及时处理突发事件。在安防等领域有着十分重要的作用。因而,行为异常和表情异常检测受到愈来愈多的研究者的关注。本文主要研究基于视频的人体行为和表情异常检测。异常检测的主要对象是老人和幼儿,异常主要分为两部分,一个是被检测对象的行为异常检测;一个是被检测对象的表情异常检测。对跌倒和下蹲行为检测时,首先需要提取运动目标,对运动目标进行形态学处理。利用混合高斯模型和背景差分结合的方法检测运动目标。之后,在对行为异常检测研究中,利用外接矩形标识被检测对象,对其进行跟踪,并用外接矩形内像素点的灰度质心表示被检测对象的重心。定义重心高度变化率及外接矩形高宽比两种特征算子,通过观察两种算子的变化来判断运动目标是否发生异常。对哭泣检测时,首先利用基于肤色和AdaBoost方法检测出人脸,对检测到的人脸采用LBP和LPQ结合的特征提取算法,提取视频序列中的人脸表情特征,接着提取视频序列表情特征图像的直方图序列,最后对提取的两个直方图序列进行加权处理,串联生成一个直方图序列。与LBP、LPQ、Gabor三种特征提取算法相比,采用基于LBP和LPQ结合的特征提取算法对哭泣异常检测具有较高的识别率。最后,验证本文针对跌倒、下蹲和哭泣三种异常行为所采用的检测算法的性能,在本文收集的多个数据集上进行实验验证。结果表明,对本文所用算法针对本文三种异常事件的处理具有较好的检测效果。