目前,电子监考作为视频监控的一个发展方向,已经越来越广泛的应用到各个学校和各种考试中,随着高考中电子监考的普及,今年,电子监考第一次应用到全国研究生入学考试中,可以预见的是,电子监考将对考场秩序、考试中的突发状况的监控发挥着越来越重要的作用。但是,目前的电子监考还属于传统的监控方式,不仅监控人员一人需要监视多个画面,容易产生视觉疲劳,无法及时发现异常行为,而且事后需要存储海量的录像资料,对于检索造成不便。智能视频监控在考场中的应用,可以使电子监考摆脱传统监控方式对人力资源的依赖,实现智能电子监考(Intelligent Electronic Invigilation, IVI)。本文在研究和分析了基于视频序列的人体行为分析关键技术的基础上,围绕考场中对考生的异常行为分析识别要求,对电子监考中的多种异常行为进行定量的模型建立,采用基于时空联合与边缘轮廓相结合的视频图像分割,然后对常见的考场异常行为进行了模板匹配,以达到对考场中的异常行为进行事前提醒,事中报警,事后检索,在考场这个特定背景下对异常行为进行准确的识别。主要研究内容和结果如下：(1)研究了现有建模方法,包括高斯混合模型、特征点匹配,人体骨架模型和背景模型。对考场中常见的异常行为进行准确的定义和判定标准的设立,然后对多种考场异常行为进行建模,并通过不同方法得到实现。经过实验表明,基于多种异常行为的建模能够更加有效地提高异常行为识别率。(2)研究了视频分割技术。包括基于时间的视频分割,基于空间的视频分割技术和时空融合视频分割技术,阐述了半自动视频分割技术的原理,在多人的考场背景下,通过背景差法分割出包含单个考生的子区域,然后对单个目标进行定位,通过时空融合的半自动分割技术分割出每个目标的方法。实验表明该方法符合考场这个特定背景,减少了计算量,并提高了分割的效率。(3)在常见考场异常行为的建模和基于轮廓的视频子区域分割的基础上,采用特征模板匹配的方法进行考场异常行为检测,该算法能够对考场内的异常行为进行识别。通过对模板匹配方法的原理进行介绍,通过canny算子检测图像的边缘轮廓,选用HMM模型对行为进行训练,随时改进模板的效果,然后对考场中常见的两种异常行为采用基于模板匹配的异常行为识别,实验表明,相比其他方法,模板匹配能快速准确的对特定考场背景下的异常行为进行识别。