基于视频的交通事件检测技术已经是全球研究的一个热点，它主要是用来检测道路上的一些异常事件，例如车辆逆行、车辆连续跨道行驶、停车、抛落物、行人等。该系统的应用使得交通管理部门能够对日常的交通进行有效地管理，及时地处理发生的异常事件，也就能避免很多的交通事故。本文主要对异常事件中的停车和抛落物检测算法进行研究。本文首先对异常区域进行检测。第一部分是对图像进行预处理，包括图像的增强、图像边缘提取、图像去噪等处理。第二部分是对异常的块进行检测，这里的异常块就是指在一段时间内和当前的图像纹理相差较大的块，也就是要检测的停车和抛落物的异常块，本文主要利用稳定状态之间的差异性来判断否为异常。第三部分是对异常区域的定位，利用数学形态学运算进行处理，再通过连通域来确定异常区域的位置信息。为了更加精确地分割出异常区域，本文利用Markov随机场对局部异常区域进行分割，它是基于统计学理论的分割方法，并且考虑到局部像素之间的相关性，充分利用到了先验知识。本文介绍了Markov的相关理论，特征场和标记场的建模方法，在此基础上使用ICM、模拟退火等方法对Markov随机场的能量进行优化，得到异常区域的分割结果。为了区分停车和抛落物事件，利用到了它们的三维信息。这里提出了两种方法，一种是基于3D模型的方法，一种是基于三维高度的方法。第一种方法是通过比较车辆3D模型的二维投影和分割区域的匹配度来判断，能够匹配的则表示停车，否则为抛落物；第二种方法通过对摄像机的标定求取道路中的映射表，再求取分割区域中不同角点的投影速度，利用摄像机成像模型确定速度和高度的关系，从而可以得到异常区域的相对高度，就可以根据这个高度区分出停车和抛落物。本文设计的算法在大量不同交通场景下进行了测试，测试结果表明：该算法能有效地检测出场景中的停车和抛落物事件，具有较高的稳定性和检测精度、较强的实用性和鲁棒性，同时能满足系统检测的实时性要求。