近几年来,智能视频监控逐渐成为计算机视觉领域的一个新兴应用方向,它与传统意义上的监控系统的区别主要在于其智能性,即智能视频监控不仅用摄像机代替人眼,而且用计算机来代替人、协助人,从而完成监视或控制任务并减轻人的负担。这样不但节省了大量的人力、物力和财力,更重要的是它能够及时发现监控场景中的异常状况来避免各类异常事件的发生。因此,智能视频监控以其广泛的应用前景和巨大的潜在经济价值渐渐引起了国内外学者以及研究机构的关注。智能视频监控系统是一个涵盖了图像处理,模式识别,人工智能等诸多技术的综合应用,而本文主要针对智能视频监控中的目标徘徊轨迹检测以及人体异常行为识别两个应用方向中的关键问题进行研究,主要的研究内容及成果如下:1.简述了智能视频监控系统的发展现状,并对现有人体徘徊轨迹检测以及行为识别方法进行学习和研究,包括一些徘徊轨迹判断方法,以及Hu矩,Zernike矩和R变换等人体行为特征提取方法并分析其不足。2.针对当前轨迹检测方法的不足,本文提出了一种基于角度的人体徘徊轨迹检测与分析方法。该方法以一种通用的算法根据运动目标的行为轨迹实时进行各类徘徊行为判断,实验结果表明,该方法不需要任何训练样本,可最大程度地减少算法的时间复杂度和空间复杂度。3.提出了一种基于非负矩阵分解(NMF)和隐马尔可夫模型(HMM)的人体行为识别的方法。将非负矩阵分解方法应用于人体行为特征的提取,通过确定每一个视频序列的基矩阵及基向量数,最终得到其特征矩阵;使用隐马尔可夫模型对提取的特征进行行为识别与分类,通过Baum-Welch算法估计HMM最优参数,并比较每一类行为在各分量上的似然值来完成识别过程。通过与采用Hu矩和R变换来进行人体行为特征提取的方法相比较,实验结果表明该方法能够较好的进行人体行为识别,识别率明显高于另外两种方法,对于提高智能视频监控系统的人体行为自动分析能力具有重要意义。4.设计与实现了一个小型的智能视频监控系统,将本文所提出的两个算法和一些其他基本功能整合协调,统一起来对监控场景进行综合处理。该系统对本文所提出的算法进行了验证和实现,在实际应用上证明了其可行性。