隨著視頻內容信息的不斷豐富和視頻應用的不斷深入，基于視頻序列的應用研究已經成為多媒體的主流。因此，對視頻圖像序列中運動前景的提取跟蹤、分類和行為識別進行了研究。本文在深入總結和分析現有視頻序列基本算法的基礎上，重點研究了痰液行為檢測、人體異常行為檢測和殘差檢測等視頻監控領域的異常行為檢測。,

這部作品主要由五個部分組成。引言部分介紹了基于視頻序列的研究背景、意義和研究現狀，并簡要介紹了本文的主要工作和內容安排。

        介紹了幾種基于圖像序列檢測的經典算法，如幀間差分法、背景差分法和光流法。分析了這些經典算法的適用性，給出了實驗結果。這些算法的優劣直接影響后續工作的效果。第三章介紹了幾種基于運動目標圖像序列跟蹤的經典算法，如均值漂移跟蹤算法、Camshift跟蹤算法和基于預測的卡爾曼跟蹤算法。

        這些算法可以解決一些問題，也有一定的局限性。因此，本文提出了兩種算法，一種是結合卡爾曼預測的均值跟蹤算法，另一種是結合形狀和顏色特征的均值漂移算法。兩種算法從不同角度對跟蹤結果進行優化，使跟蹤效果更加準確。第四章主要研究智能視頻控制中的三種異常行為/事件檢測。

        分別是:痰液行為檢測、人體異常行為檢測和殘留檢測。痰行為的檢測,本文采用離散曲率熵確定算法來檢測行人的ROI的蹲行為(的),一旦徘徊條件滿足,警報。對于人體異常行為的檢測，本文采用自適應離群點判斷方法對人體異常行為進行檢測，實驗證明了該方法的有效性。對于殘差的檢測，采用經典的碼本建模方法。利用實時更新背景和實時更新背景進行差分運算，得到殘差圖像。當剩余部分超過一定的時間，就會發出警報。這些算法都是基于對運動目標的檢測和跟蹤。因此，效果的好壞直接影響到異常行為/事件的檢測。