计算机技术与信息技术在人工智能、数字图像处理、模式识别等领域的突飞猛进的发展，使人们可以利用摄像机来得到转换后的场景中物体图像的数字信号，然后用计算机对它进行信息处理，实现对视频信息的自动监视。如此，从某种程度上来说就替代了人类繁琐的监视工作，从而大大减轻了劳动强度，提高了工作效率。本文提出了一种基于运动背景相减法的视频异常事件检测方法，该方法利用像素点的时空特性，不需要先对目标进行标签，识别，归类和跟踪，需要的计算量和内存消耗较少，实时性良好。后续处理中采用改进后的运动历史图像的方法，提高了物体连通性，有利于物体结构化分割，实现了对异常物体的准确定位。文中对异常事件的检测，没有针对特定类型，而是将偏离模型一定阈值范围之外的事件都作为异常进行处理。异常事件检测系统主要分三个步骤完成：运动目标检测、异常事件检测和异常物体定位。首先，在运动目标检测阶段，我们将利用背景减除法获得的差分图像经二值化操作检测出视频中的运动目标。然后在异常事件检测阶段，对每一像素点通过时空共生模型进行建模，利用训练过程取得的正常概率，经阈值比较判断该像素点是否正常。最后，采用改进后的前后向MHI方法对异常检测输出结果在进行图像结构化时产生的不足进行弥补，定位我们的异常运动物体。文中的仿真实验通过具体实验效果选择最佳参数值，每一处理步骤都截取了多幅图像来显示实验效果。通过实验证实，论文中讨论的方法在视频异常检测过程中实时性准确性良好。