信息时代下随着计算机网络技术和图像处理技术的发展,视频监控系统在各行业应用日益广泛,为社会安全稳定提供了重要保障与支撑。对海量监控视频的高效管理和智能预警是个亟待解决的问题,也是当下计算机视觉技术研究的热点。传统的视频异常检测算法主要依赖视频具体场景知识和算法模型的应用,通过对视频序列进行特征获取与处理,进行异常检测。由于异常种类较多且差异较大,单一的特征判别模型难以保证算法准确率。本文针对固定场景下的视频监控图像,结合一般处理模式,采取基于图像特征分析处理的方法,实现视频异常目标的预检测,并将检测结果用于异常的深度检测。本文结合目标识别和视频异常检测相关算法理论,提出了具有双层判别能力的视频异常判别方法。首先,采用多帧统计思想改进帧间差分法,通过增加像素位置判断等操作提高ViBe算法的提取效果,并将这两种方法结合,有效实现了前景目标的提取。其次,对提取的区域目标进行全面的形状和光流特征分析,并根据不同特征对决策的影响力不同,设计了具有联合判决和多层判决的预判模型,实现了快速、直观的异常判定。最后,为确保准确率,对预判结果较为接近异常的目标图像提取其梯度特征和光流特征,进行半监督SVM判别模型的构建和判别。实验结果证明,此方法能较好地获得目标轮廓、发挥人为知识的指导作用,并能及时、准确地发现异常并进行预警。