科技的发展改变了人们的生活方式,储蓄银行、ATM提款机给我们带来生活便利的同时也带了安全隐患。智能监控出现改变了屏幕前安保人员的工作方式,并且对于可能存在的安全问题及时的发出警报,提醒工作人员来处理,使安全问题遏制在发生的初期。智能视频应用到了图像处理以及模式识别的技术,已然成为了计算机视觉一个重要的研究领域,在异常行为的防控上做出了巨大贡献。本文主要研究的内容是利用智能监控系统对金融网点的三个异常行为:尾随、打劫以及银行卡盗刷进行识别,识别异常行为的根本和关键在于对运动目标的检测,所以本文首先对于运动目标检测的三种常用的方法进行了算法的介绍,并将各自的优缺点以及适用的场景进行了比较,在后续的工作中根据不同的需求采取了不同的方法。检测出运动目标以后,开始对异常行为的识别工作。尾随识别的是基于相对质心特征的方法,前后运动目标的质心之间的几何距离不断的变小,最后重合到一起,且运动目标的运动轨迹是一致的,则判断尾随行为的发生;打劫行为的识别采用基于幅值加权的直方图方法,利用光流向量的幅值大小归一化后的值对其方向特征直方图进行加权,加权后的方向直方图更能凸显运动目标区域的信息,并且引入区域熵的概念来加以判断;银行卡盗刷行为识别分为两个方面,对于蒙面者盗刷所采用的方法是基于YCb Cr颜色空间肤色面积的判断方法,若人脸区域的肤色面积小于一定的阈值,则说明蒙面行为成立;前后取款操作人脸匹配的问题采用基于LBP算子的人脸匹配方法,利用LBP算子将采集到的人脸图像进行编码,编码后的LBP图谱作为识别依据,通过比较每两个样本之间的LBP直方图的相似度来判断当前的两视频帧中的人脸是否相似或说是否为同一人,若匹配失败则疑似银行卡盗刷行为发生。上述行为判断成立则进行报警提示,交由工作人员进一步处理。经实验验证,本文所述的应用及其所有方法都具有较好的实用性,算法简单,适合实时的监控系统。