智能视频监控在当今作为主流的安防手段,通过遍布于各类交通领域、住宅小区等公共场所的摄像头进行监控。近年来由于硬件成本的降低,监控摄像头的应用也逐步增多,随之带来的要处理的信息也呈现几何式的增长,在人力与物力有限的条件下如何快速、精准地检测在公共场所发生的异常行为显得尤为重要。智能视频监控技术也因此得到了社会各界学者的极大关注。如今,大部分监控系统主要采用人工监视的方式进行,这就需要工作人员紧盯监控设备,这容易引起人员疲惫、紧张,尤其在工作环境中,一人要观察多个场景,往往目不暇接,极易引起疏忽,影响监控的效果。如何在海量视频中获取有用信息是安防领域关注的重点。虽然在该领域有诸多学者参与了研究,但仍然无法满足现阶段要求。安防领域监控系统要求能够自主地判断异常行为,然而在早期的研究中,需要对行为进行预先定义,无法做到自主的理解并判断。针对上述问题,本文主要做出了以下工作:1.针对监控系统无法自主地判断异常行为的问题,本文采用无监督的判断方法。该方法具有一定的自适应性,无需预先定义人的行为,通过运动目标的轨迹来判断是否有异常行为,这在公共环境,尤其是各目标行为较难定义时显得更加有效,适应性更强。2.为了解决在初步提取运动前景区域过程中产生的大量分离碎片这一问题,本文采取多边形拟合的方法,将属于同一目标区域的碎片进行合并,从而降低了轮廓的复杂度,这样能够更完整地表达目标的行为状态。3.初步提取出的运动目标轨迹包含了大量噪声点,与目标实际中心位置不符的杂乱点,对后续轨迹的聚类产生影响。本文采取将运动目标轨迹进行线段拟合消除此类干扰,并将线段端点代替段落内的原始轨迹,可以极大地减少轨迹聚类的运算量,提高处理速度。