随着视频监控技术的广泛应用,智能视频分析技术正受到越来越多的青睐。视频图像序列中的异常行为检测技术成为智能视频分析领域中一个重要的研究方向。该技术能够在异常行为发生时通过实时地分析视频序列图像,从中识别出异常行为并产生报警,使安防人员及早发现并处理事件,从而解决了传统监控系统的事后性。　　近年来,银行自助厅的公共安全问题得到社会的日益关注。据报道,发生在此类场所的打斗、抢劫等犯罪案件非常频繁。如果能够利用智能视频分析技术,急时的发现并处理此类事件,将对银行自助厅的公共安全问题有重要帮助。本文主要研究了基于银行自助厅监控视频的打斗、抢劫等异常行为检测技术,从实际应用的角度对该技术进行了探索。本文的主要贡献如下:　　1)提出一种将帧间差分法和基于Bayes决策准则的背景建模法相融合的运动前景提取方法。该方法主要利用帧间差分法修补由Bayes背景建模法提取的断裂或边缘不完整的运动前景区域。实验证明该方法能够提取较为完整的运动前景,并有效的应对光照的瞬变或渐变带来的影响。　　2)提出一种能够综合描述运动人体的外形、轨迹、运动速度和运动方向的特征提取方法。首先构建运动能量图像,从中提取运动的外形和轨迹特征。然后通过计算序列图像的光流值,定义并提取运动速度和运动方向特征。其中运动速度特征可描述人体运动的剧烈程度,运动方向特征描述运动方向的变化和混乱程度。经测试证明,这些特征对正常行为和打斗、抢劫等异常行为有较强的鉴别性。最后提出采用小段时间内的特征描述行为的方法,使算法更具稳定性和鲁棒性。　　3)针对打斗、抢劫等异常行为的训练数据采集困难的问题,设计了基于一类SVM统计学习方法的打斗、抢劫检测器。通过对银行自助厅视频集进行测试,实验结果证明本文方法能够有效的识别出视频中的打斗、抢劫等异常行为,并且具有较低的误警率,可用于银行的智能视频监控系统中实时监测是否存在打斗、抢劫等异常行为发生。