机场航站楼作为民航交通和运输的重要枢纽之一,旅客吞吐量较高,属于异常行为多发区域。而传统的航站楼监控系统因监控点多且需人工监测等特点显得非常耗时费力,已很难满足机场安全管理的需要。因此,采用智能视频分析技术,主动对航站楼内旅客异常行为进行实时检测并报警,能有效协助机场安保人员处理异常事件,完善机场对突发事件的快速反应能力。本文主要对智能监控下旅客群聚、奔跑以及遗留物体三种异常行为的检测方法所涉及的关键技术进行深入研究,主要内容有:首先,视频监控下运动目标的提取。在传统高斯混合模型的基础上,优化高斯模型的均值及方差的更新机制,引入HSV空间阴影去除方法,从而克服初始建模速度慢且存在大量阴影的缺点,较好地重建视频图像的背景模型,实现运动目标的提取。其次,旅客群聚和奔跑异常行为检测,根据这两种异常行为在人群密度和运动特征上的表现形式的差异,提出各自的判断指标对异常行为进行检测。采用摄像机透视效应的加权前景面积以及前景的二维联合信息熵设计人群密度指标;利用金字塔LK光流特征计算能量和加权方向直方图熵对运动特征进行定量描述。通过不同模拟机场航站楼场景下的视频序列进行测试,对本文提出算法的可靠性进行验证。最后,基于遗留物检测的旅客异常行为检测。采用不同更新速率的改进GMM模型对场景的双重背景进行建模,去除行人等运动目标的干扰,实现对场景中短期静止目标的提取;根据目标的多个特征对其进行跟踪分析,当其在场景中停留时间超过设定的阈值,则将其判断为遗留物;结合遗留物的状态变化和历史图像信息,判断旅客是否为滞留物体或丢失物体的异常行为。通过不同模拟机场航站楼场景下的视频序列进行测试,验证本文算法的准确性。