随着我国智慧城市、智慧交通等项目的持续开展,智能视频监控得到了越来越多的关注。智能视频监控主要包括对人或物的识别、运动轨迹跟踪以及个体状态或场景状态分析等任务。多目标跟踪算法为流量统计、异常行为检测等任务提供基础数据,是智能视频监控中的关键算法。因此,本文提出了基于深度哈希特征的多目标跟踪算法。此外,针对无人机道路监控场景,本文提出了基于多目标跟踪的异常行为检测算法,同时开发了一套无人机道路监控系统。本文主要研究工作如下:1、本文为解决多目标跟踪中由于目标遮挡、目标交互产生的目标ID交换以及跟踪中断问题,提出通过融合深度哈希表观特征以及运动特征的方式构建更为鲁棒的目标特征描述子,同时设计跟踪中断恢复机制提升数据关联准确度。本文结合行人重识别与哈希图像检索思想,将行人重识别经典网络Res Net与全连接哈希层相连接构建深度哈希网络,通过此网络提取目标行人深度哈希表观特征。在数据关联方面,本文改进了多目标跟踪机制,通过保存多帧轨迹特征实现跟踪中断后的ID恢复。通过多目标跟踪数据集MOT Challenge评估,本文提出的基于深度哈希特征的多目标跟踪算法在不改变目标检测方法的情况下有效减少了ID交换数量,提升了整体跟踪精度。2、在无人机道路监控场景下,本文以公路行驶车辆为研究对象,提出了一种基于稀疏表示的异常行为检测算法。首先,采用多目标跟踪算法获得车辆运动轨迹,将轨迹分段并根据轨迹坐标计算目标速度与角度特征。之后采用高斯滤波算法去除速度特征中由于检测精度、无人机抖动等外界因素产生的噪声,得到更为平滑的速度特征信息。最后,融合速度与角度特征并使用正常行为轨迹特征构建字典,通过字典重构误差判断测试轨迹样本是否异常。经过无人机实际采集的视频数据集评估,本文提出的异常行为检测算法可以有效检测目标车辆异常行为状态,检测精度较高。3、结合多目标跟踪及异常行为检测算法,本文设计并开发了无人机道路监控系统。该系统采用C/S架构,包括可视化模块、目标检测模块、多目标跟踪模块以及数据查询模块,各模块交互配合实现了目标检测跟踪结果实时预览、车流量统计、实时异常行为检测以及相关数据查询功能。