随着视频内容信息的不断充实以及视频应用的不断深入,基于视频序列的应用研究已经成为当今多媒体的主流方向。因此,对视频图像序列中运动前景的提取跟踪、分类和行为识别已经被广大学者研究。本文在深入总结和分析已有的视频序列基础算法的基础上,重点研究了几种视频监控领域里的异常行为检测,如徘徊行为检测、人体异常行为检测和遗留物检测。本论文工作主要包括五个部分内容。文章在绪论部分介绍了基于视频序列的研究背景、意义和研究现状,并简述了本文的主要工作和内容安排。在第二章中简明的介绍了基于图像序列的运动目标检测的几种经典的算法,如帧间差分法、背景差分法和光流法,并分析了这些经典算法的适用性,给出了其实验结果。这些算法优劣直接影响着后续工作的效果。在第三章中介绍了基于图像序列的运动目标的跟踪的几种经典的算法,如均值漂移跟踪算法、Camshift跟踪算法和基于预测的Kalman跟踪算法。这些算法都能够解决一些问题,也有其一定的局限性。因此,在本文中,提出了两种算法,均值漂移算法与Kalman预测相结合的视频跟踪算法和融合形状和颜色特征的Meanshift算法。两种算法从不同角度优化了跟踪结果,使得跟踪效果更加准确。在第四章中重点介绍了智能视频临控中的三种异常行为/事件检测,他们分别是：徘徊行为检测、人体异常行为检测和遗留物检测。对于徘徊行为检测,本文采取离散曲率熵判定算法检测ROI(感兴趣区域)内行人的徘徊行为,一旦满足徘徊条件,给予报警。对于人体异常行为检测,本文采用了自适应离群点判定方法检测人体异常行为,实验证明了其有效性。对于遗留物检测,采取了经典的码书建模方法,通过实时更新背景和不实时更新背景进行差运算,得到遗留物图像,当遗留物在场景存在时间超过一定时间后,给予报警。这些算法都是在运动目标的检测和跟踪的基础上进行的,因此,效果的好坏直接影响着异常行为/事件的检测的好坏。第五章对全文工作内容进行了总结,并对后续工作做了展望。