交通系统是人、车、路、环境组成的动态系统，这个动态系统中的四大要素及其影响因素都在不断地发生变化，交通事故就是这个动态系统失调的结果。交通安全问题是困扰当今国际交通领域的难题之一，视频监控技术在目前智能交通产业得到了最为广泛的应用，交通监控已成为现代城市交通管理的重要手段。基于视频分析的车辆跟踪与异常行为识别是智能交通领域中较有前途的应用技术之一，该课题研究对于提高道路的运行效率，改善交通管理模式，具有重要的理论意义和应用价值。目前基于视频分析的车辆跟踪与异常行为识别有许多关键技术问题尚待解决，本文围绕其中的运动车辆检测、运动车辆跟踪、交通行为模式学习以及交通异常行为识别等关键技术环节进行了系统的研究。　　运动车辆检测是交通视频处理的基础性环节，通过运动车辆的有效提取，为车辆跟踪和异常行为识别提供最为基本的研究对象。背景模型是实时获取背景图像进而实现运动车辆有效检测的关键所在，针对传统背景建模方法将视频帧灰度化带来的问题，本文提出了基于彩色背景建模的车辆自适应检测方法。首先使用提出的基于HSV颜色空间在线聚类的背景建模方法提取视频初始背景，该方法能够在不设置任何参数的情况下提取出比较好的彩色背景；在目标检测过程中，必须建立合适的背景更新模型才能实时准确地提取出运动目标，提出了基于信息窗口的背景更新策略，充分考虑前景帧的信息，利用像素的信息窗口自适应地更新背景，有效地解决了背景扰动、光照变化等因素造成的背景污染问题；由于光照影响，检测得到的前景运动区域常常包含运动阴影，提出了基于Contourlet纹理表示和HSL颜色模型的阴影检测方法，从图像纹理和颜色两个角度描述运动目标前景区域，得到目标前景的纹理-颜色联合特征表示，并提取相对应的背景区域的特征向量表示，通过特征相似性度量实现阴影的自动检测和去除。实际场景视频实验表明上述方法具有良好的自适应性。　　运动车辆跟踪通过对车辆目标的跟踪形成车辆的运动轨迹，为交通异常行为识别提供了可靠的和科学的数据来源。实际交通场景中运动车辆往往受到光照变化、遮挡等环境因素的影响，兼顾稳定性和实时性是跟踪算法设计的主要目标。针对传统Condensation滤波跟踪算法在目标特征表示和粒子分撒模型上存在的问题，提出了融合局部特征和Condensation滤波的车辆跟踪方法。在目标特征表示上，由于颜色空间直方图不能很好地处理复杂变换下的图像匹配问题，本文对目前广受关注的SIFT及其主要改进算子进行原理分析和性能评测，总结了各种算子的优缺点及其适用场合，并结合交通视频应用的特点对PCA-SIFT进行了改进，提出了基于Hausdorff距离的PCA-SIFT算法，将之作为车辆目标的描述特征；由于随机游走模型效率低下，提出了新的粒子动态传播模型，采用Kalman滤波器以低廉的计算成本进行初步目标跟踪定位，并用所得的初步跟踪结果来计算Condensation粒子动态传播模型中的确定性漂移部分。实验结果表明，本文在粒子动态传播模型和目标特征表示上进行的优化体现出了较好的效果，性能优于传统Condensation滤波跟踪算法。　　交通行为模式学习的目的是提取出具体交通场景的常态运动模式，从而为车辆异常行为识别研究提供前提条件。轨迹相似性度量和轨迹模式学习是交通行为模式学习的两个关键性问题，本文提出了基于DTW(动态时间弯曲距离)和谱聚类的车辆行为模式学习方法。在轨迹相似性度量上，将DTW引入到车辆轨迹空间的距离度量中，将其由一维变长时序数据的相似性度量扩展至二维变长轨迹空间距离的相似性度量，建立较优的距离矩阵。在轨迹模式学习方法的设计上，目前使用最为广泛的是基于无监督聚类的方法。为了更好地表示样本轨迹之间的相似性，依据样本轨迹分布的局部和全局一致性特征，提出了基于局部密度构造相似矩阵的谱聚类算法。实际场景视频实验结果显示上述方法能从样本轨迹集合中有效提取出具体交通场景的常态运动模式，包括轨迹空间模式和轨迹方向模式，进一步表明了上述方法的可行性和有效性。　　交通异常行为识别依赖于车辆目标运动行为的推理和分析，建立合理有效的异常表达与识别模型是实现基于视频分析的交通异常行为识别的核心问题。交通异常从异常模态上分为个体车辆异常与交通流异常，本文对这两种模态的异常识别进行了研究。在个体车辆异常行为识别方面，通过构建交通异常行为知识库实现车辆异常行为的语义表达，然后基于混合模式匹配进行车辆行为分析，并将车辆行为分析的结果形式化表示，最后利用这些知识与事实进行推理。实验结果表明，本文提出的技术方案能有效地识别出主要的交通异常行为，具有较好的鲁棒性。在交通流异常检测方面，提出了基于支持向量回归的交通流参数预测方法，通过跟踪实测值的变化对交通流参数预测，并利用预测误差实现交通流异常的检测。仿真实验结果表明，本方法在相同的误报率下，有较高的检测率。　　综上所述，本文的研究成果深化了交通异常行为视频检测理论与方法，为运动目标的交通行为特性研究、交通异常行为智能检测提供了有效的技术手段，具有重要的理论意义与实用价值。