视觉行为分析和异常检测是目前计算机视觉领域的研究热点和难点之一,对它的研究尚处于起步阶段。本文主要研究特定场景的视觉行为分析和异常检测问题。异常事件一般有较少发生、预料之外及与特定任务相关等特点,这些特点限制了传统的基于模型的方法的应用。论文用连续隐马尔可夫模型(CHMM)来解决这个问题。隐马尔可夫模型在处理同时具有空间和时间特性的数据流方面有独特的优势。本文在用连续隐马尔可夫模型对随机时间序列建模的基础上进行行为分析和异常检测,所建模型用于检测特定场景中人的可疑行为,过程分为以下几步:首先实现场景中人的检测和跟踪,并进行特征提取;然后对正常行为建立连续隐马尔可夫模型;最后通过概率的方法识别正常行为和检测异常行为。在建模过程中,首先对正常行为的模型进行训练,其中模型的初始化过程中用到K-均值聚类的方法来确定状态数。用模型输出测试样本序列的概率来判断是否为异常行为。实验结果表明连续隐马尔可夫模型可以比较准确的分类行为模式和检测异常行为。