作为现代交通监控的重要工具,视频异常处理技术的研究和开发已经取得了重要的进展,但是它在识别的准确性和效率方面还远远满足不了很多实际的应用要求,仍然有许多问题有待解决。论文首先对视频中的动态物体提取进行了研究,区别于以往主要依靠帧差法和背景法进行动态提取,本文提出了双向帧差法并结合背景更新的概念。从而解决了帧差法和背景法提取结果误差比较高的缺陷。其次在进行视频异常提取阶段,传统的轨迹法首先是对目标物体(行人和车辆)进行区分,然后再对提取的车辆进行轨迹异常判断。在车流量日益加剧的今天,此种方法增加了计算机的运算效率,无法满足日益复杂的交通需求。针对上述算法中出现的问题,本文提出了基于像素点分析的背景方法。首先对背景方法下的两种模型(马尔可夫模型和共发模型)进行了分析,之后结合两种模型对视频中的异常像素点进行判断。最后我们引入了物体三维识别法,在前面章节通过背景方法进行异常提取的基础上,利用此方法对提取后的异常像素点进行识别,检测出最终的目标物体(车辆)。与轨迹法相比,实验结果表明该算法时效性更高,在智能交通系统中也有着更好的应用。