危化品运输车辆异常行为检测在智能交通管理、违章车辆排查、事故预警等领域有着巨大的应用价值,其中道路监控场景中的车辆识别、车辆跟踪和异常行驶行为检测是研究的重点,针对危化品运输车辆的异常行为检测仍有很多亟待解决的问题。本文以高速公路监控视频为研究基础,围绕危化品运输车辆检测与识别、车辆跟踪、异常事件检测等关键技术展开深入研究,本文的主要研究成果如下:（1）通过深入分析基于Faster R-CNN模型的车辆检测原理,分别对原模型中的特征提取网络、候选区域生成算法和ROI（Region of Interest,ROI）池化层进行改进。在特征提取阶段引入了密集连接网络取代原有的特征提取模型,增强了特征的流动性,使得模型可以适应具有复杂背景的车辆检测任务。在候选区域生成过程中,通过数据集的先验知识将所生成的候选框数量减少为原来的一半,极大提高模型的检测速度。最后使用双线性插值算法优化模型在目标边框映射时所产生的误差,提高了目标的定位精度。（2）构造了一个针对危化品运输车辆的识别与跟踪模型。依据危化品运输车辆外观特征中的标志灯,构造了一个密集连接的特征金字塔网络,通过融合浅层特征与深层特征,增强模型对小目标特征的提取效率,同时密集连接网络进一步加强了浅层特征向高层特征的流通性,解决了视频序列中因危化品运输车辆标志灯尺度小而造成的识别难的问题。接下来在车辆检测模型的基础上,设计了基于Deepsort的车辆跟踪算法,实现对危化品运输车辆的跟踪。（3）设计并实现了危化品运输车辆异常行为检测算法。首先针对可预知的异常行为模式,根据轨迹序列的自身特征检测出典型的异常行驶行为（如违章停车、倒车等）,对于不可预知的异常行为模式,采用凝聚层次聚类算法获取对应路段正常行驶行为模型,最后通过度量待检测轨迹序列与正常行驶模型的相似度来检测跟踪车辆的异常行驶行为。