1、隨著視頻監(jiān)控系統(tǒng)在各領(lǐng)域越來越廣泛的應(yīng)用，傳統(tǒng)的人工標(biāo)定視頻中異常行為的方法，已不能滿足海量視頻數(shù)據(jù)分析的需求。異常行為檢測基于計(jì)算機(jī)視覺、模式識別等技術(shù)，通過學(xué)習(xí)視頻場景中目標(biāo)的行為模式，實(shí)現(xiàn)對目標(biāo)異常行為的自動檢測。異常行為檢測具有重大的應(yīng)用價(jià)值，其與視頻監(jiān)控系統(tǒng)相結(jié)合，在國家安全、打擊犯罪、醫(yī)療救助等領(lǐng)域發(fā)揮巨大作用。目前對異常行為檢測方法的研究尚處于起步階段，包括異常定義、模型構(gòu)建在內(nèi)的諸多問題亟待解決，相關(guān)研究具有很高的學(xué)術(shù)意

2、義。因此，本文致力于異常行為檢測方法的研究，力圖在不同的時(shí)間尺度上，探索異常行為無監(jiān)督的描述和檢測方法。
　　 本文的主要工作及特色如下：
　　 (1)提出了一種基于姿態(tài)直方圖的異常姿態(tài)檢測方法?；谀繕?biāo)的仿射不變矩生成姿態(tài)碼本，將圖像劃分為若干區(qū)域，每個(gè)區(qū)域分別訓(xùn)練直方圖統(tǒng)計(jì)該區(qū)域各姿態(tài)碼字出現(xiàn)的次數(shù)。通過估計(jì)目標(biāo)姿態(tài)在其所在區(qū)域出現(xiàn)的概率判斷是否異常。該異常姿態(tài)檢測方法不依賴目標(biāo)的先驗(yàn)知識，建模過程無監(jiān)督，不受視點(diǎn)變

3、化的影響，實(shí)驗(yàn)證明該方法的有效性。
　　 (2)提出了一種基于混合單邊廣義高斯模型的異常軌跡檢測方法?；诟倪M(jìn)的軌跡距離算法，通過對少量軌跡樣本的聚類并分析聚類結(jié)果的統(tǒng)計(jì)特性初始化模型的參數(shù)，訓(xùn)練模型以計(jì)算軌跡發(fā)生的概率作為軌跡異常判據(jù)。該異常軌跡檢測方法不依賴場景的先驗(yàn)知識，建模過程無監(jiān)督，實(shí)驗(yàn)證明該方法的有效性和魯棒性。
　　 (3)提出了綜合姿態(tài)特征和軌跡特征的異常行為檢測框架。該框架以目標(biāo)特征出現(xiàn)的概率描述異常行