基于监控视频的异常行为检测是智能视频监控系统的重要组成部分。在校园监控中，主要是对行人和车辆的监控。通过异常行为检测，我们可以在视频中快速的发现行人和车辆的异常行为发生，及时地发出警报或提供有用的信息，并极大的降低误报和漏报率。　　本文在智能视频监控系统的框架下，围绕异常行为检测问题展开，分为运动目标检测、目标分类以及异常行为检测三个步骤。论文首先对智能视频监控系统的发展和国内外研究现状进行了详细的介绍和分析。　　然后总结了几种常见运动目标检测方法的优缺点，提出了一种改进的图像背景提取法，该方法具有计算量小、能够快速进行初始化操作等诸多优点。在各种不同室内外场景中进行测试，实验结果表明该方法能够较为精确的提取运动目标。　　接下来通过级联的AdaBoost分类器，从提取出的运动目标中分类出车辆。给出了一种测量车辆速度的简易方法，并对车辆的异常行为如违章停车、超速行驶进行了定义。对于提取出除车辆以外的前景，采用Lucas-Kanade光流法统计其角点的光流特征。通过定义幅度加权的直方图来描述区域内行人运动方向和运动幅度大小，通过计算该直方图的熵是否大于给定的阈值来判断行人的行为是否异常。实验结果表明该方法能够有效检测行人打斗、追逐等异常行为。　　本文最后使用MFC和OPENCV函数库编写了一个异常行为检测实验平台，MFC建立界面，OPENCV实现上述算法。实验表明，该平台能够对视频进行实时的处理和异常行为检测。