改革开放以来，我国经济持续发展，而城市的公共安全基础相对薄弱，导致诸多安全事故，其中社会治安问题不可小觑。针对特殊场所的监控是预防公共突发事件发生的重要手段。随着物联网技术的发展，监控系统能够提供具备实时性和准确性的位置信息。然而，这些数据却没有被充分被用于进行异常检测分析和预测预警。现有方法主要采用静态的给定阈值和轨迹作为异常检测的标准。本文针对被监控场所，研究特定区域人数和个体移动轨迹的异常检测方法。与传统的异常检测不同，本文根据研究对象的历史信息分析自身常态，作为异常检测的标准，即与对象自身作比较，而非采用普遍意义、不区别个体差异的异常检测标准。本文采用贝叶斯预测方法，考虑对象自身的特性，并结合最新观测值，动态更新检测模型。针对区域人数异常检测问题，在人数变化模型中，考虑时间因素导致的周期性和不均衡性，根据实时数据更新模型参数，动态设定区域人数的安全范围。针对个体活动轨迹异常检测问题，通过路网有向图描述个体轨迹，改进粒子滤波跟踪方法使其适用于路网，在轨迹模型中加入个体行为习惯，用综合路网信息和个体行为特征的跟踪方法跟踪目标、预测轨迹、前异常检测的标准轨迹依据当前位置预测移动目标，给出预测轨迹，作为个体到达目标前，实时检测轨迹异常的标准。