随着城市化建设的高速发展,高层建筑的数量不断增多,电梯作为高层建筑中的主要运输工具,与人们的日常工作和生活息息相关。电梯轿厢内部环境密闭,发生异常行为时,外界不容易直接观察到。通常在电梯顶部安装监控摄像头,进行异常行为的检测。传统的人工监控法存在监控人员易疲劳、误报漏报现象多、报警响应时间长、异常发生后调查取证困难等多种弊端。通过图像处理、视频分析等技术对电梯轿厢内的异常行为进行智能的检测,对维护民生安全具有非常重要的意义。针对电梯轿厢环境的特殊性,利用计算机视觉等技术对电梯内的异常行为展开研究,分析出当前电梯轿厢内存在的异常行为主要包括跌倒行为和暴力行为,据此设计了智能监控系统识别异常行为。首先通过YOLOv5模型对电梯轿厢内的数据集进行训练,利用检测乘客头部的方式进行人数统计,随后根据电梯内乘客的数量分情况展开讨论:（1）针对电梯轿厢内仅有一名乘客时容易发生的跌倒行为,提出一种改进帧差法和人体轮廓提取相结合的跌倒行为检测方法。首先,在运动目标检测方面,对传统的帧差法进行了改进。传统的连续帧间差分法对相邻的两帧或者三帧进行帧差操作,但是由于视频中相邻帧之间间隔的时间太短,容易受到一些微小动作干扰而出现伪目标现象,影响运动目标的检测效果。因此,本文增大了帧差操作的间隔,每隔m帧进行帧差处理,随后进行二值化、形态学处理和连通域分析等操作提取完整的人体前景目标。最后通过对人体前景进行轮廓提取,得到人体最外层轮廓的最小外接矩形,根据矩形的高宽比来进行跌倒行为判断。针对跌倒行为检测误检率高的问题,在计算得到矩形高宽比的基础上加入最大值的限制条件,当连续n次矩形高宽比的最大值＜1时,判定为发生跌倒行为。实验结果表明,本文方法可以有效降低跌倒行为的误检率,提高异常检测的准确性。（2）针对电梯轿厢内发生的打架斗殴等以方向混乱、动作速度快作为主要特征的暴力异常行为,提出一种基于金字塔LK光流法的异常行为检测方法。首先检测每帧视频图像中的Shi-Tomasi角点作为特征点,利用金字塔LK光流法预测下一帧中特征点的位置,对运动矢量进行描述并表示成光流图,通过速度大小筛选出有效特征点,消除背景中的噪声特征点干扰。提出将帧平均速度与方向熵两种特征相融合的暴力行为检测方法,用每帧视频图像中特征点的平均速度和方向直方图熵的乘积来定义系统的运动混乱度W,通过计算W的值作为异常检测的判断依据,最后设定相应的阈值判断是否发生暴力行为。通过自拍摄的电梯内乘客正常行为和暴力行为的数据集进行验证,实验结果表明,上述方法可以取得较好的检测效果,并且能满足实时性的要求。