随着安全问题受到社会的日益关注，智能视频监控在校园、银行、交通要道、停车场等公共场所具有良好的应用前景，是计算机视觉领域的热门研究方向之一。异常行为检测则是智能视频监控系统的重要任务。尽管相关研究者已经提出了多种提高异常行为检测性能的算法，但是其中往往涉及大量的学习过程和复杂的数学计算，难以适应复杂的监控场景、满足智能视频监控系统对实时性的要求。本文利用可快速获取的运动目标生成行为模型，通过差分计算，以正常的行为模型对监控视频中异常行为进行估计。该方法既避免了传统的轨迹法需要在复杂场景下实现目标跟踪的问题，同时简化了目标特征提取和建模过程，提高了检测效率。　　本文的主要研究内容如下:　　(1)研究了运动目标检测的经典算法，对传统的高斯背景建模算法进行了改进，以适应复杂的背景运动，提高背景模型收敛速率;　　(2)通过计算目标运动标签并结合目标描述符为视频中的运动目标建立了描述其动态统计特性的行为模型，避免了传统方法需要对目标进行跟踪、特征提取、分割或最优化迭代等复杂的多阶段处理过程，简化了计算复杂度;　　(3)利用区间估计理论获得行为差分的阈值，将异常行为检测问题转化为训练视频和观测视频中行为图的比较问题，提高了检测效率;　　(4)在改进的异常行为检测算法的基础上，将监控视频中异常的部分生产一段视频摘要，标注异常行为发生的时间和位置。