当今社会人口数量庞大，诸如恐怖袭击、暴力抢劫、校园欺凌等各类社会矛盾时有发生，公共安全问题已经成为了国家重点关注领域。为切实提高社会治理水平，各地增加了监控摄像头的数量，扩大了监控摄像头的覆盖面积，一个巨大的视频监控网络正在形成，这就导致了视频监控数据的爆炸式增长。这必然对视频监控系统提出了新的要求，需要其从大量数据中获取有用信息并智能化地进行分析。
早期的模拟视频监控系统以及数字化视频监控系统仅仅提供了一些简单的功能模块，例如视频捕获、视频存储等，它难以实现异常事件的事前预警，这意味着监控视频数据只能用于事发时的记录和事发后的审计回放。对于数据的分析与查找，需要依靠人工来进行。由于人类无法24小时不间断地对视频数据进行甄别筛选，在工作中难免会出现漏看、误判的情况，既浪费了大量人力资源，也不利于在黄金时间进行案件分析与处理。
为了解决上述问题，许多研究人员转向智能监控系统的研究。国外研究起步较早，1997年，卡内基梅隆大学以及其他几个高校一起参与了（Visual Surveillance and Monitoring，VSAM）项目的研发，VSAM系统主要用于战地的实时监控以及信息采集，它对视频进行自动化解析并且利用分布式监控网络对复杂环境中单人的行为进行识别与持续监控，从而有利于指挥中心对战地情况实时分析并快速做出决策。IBM与马里兰大学开发的Ｗ4实现了对人物以及其行为的实时监控，能够有效地识别出个体的异常情况。2004年，针对机场的安保问题，法国国家信息与自动化研究所（INRIA，Institut national de recherche en infomatique et automatique）与雷丁大学共同开展了机场智能监控项目AviTrack ，它可以进行异常行为预警。2005年，万国商业机器公司（IBM，International Business Machines Corporation）研发了智能监控系统S3，通过联合硬件、软件以及服务，S3可以对监控视频序列中的关键信息进行提取并分析，从而实现了对异常事件的实时预警。
虽然起步较晚，但是国内各界对智能监控系统的研究也取得了显著的成果。2008年北京奥运会期间，我国采用了中国科学院研发的实时智能视频监控预警系统来对各个场景，尤其是鸟巢区域，进行24小时人流监控和智能分析，实现对异常事件进行实时预警的作用。后续地，北京地铁13号线也应用了这个系统，对监控范围内的可疑人员进行跟踪，帮助安保人员抓获窃贼，大大提高了公共安全。香港中文大学利用集体理论估计集体动作，从而实现对视频中异常动作的检测。为了加强城市的治安管理，2013年深圳市贝尔信智能系统有限公司研发了智能视频分析系统，该系统能在不同天气环境下对人员入侵、徘徊、丢包、消失等行为进行报警。西北工业大学所研发的 GreatWall 系统可以对复杂环境中的运动目标进行检测、识别、跟踪以及行为分析等。
由于异常行为与正常行为之间的界限没有统一的标准，不同场景下，正常行为与异常行为可以相互转化，例如：商场踢球属于异常行为，但操场踢球属于正常行为。目前较多关于异常行为检测的研究是基于特定场景来展开的，如银行、电梯、高速公路、旅游景区等等。检测异常行为一般来说包括３个功能模块：１）分离前景与背景，检测运动目标；２）对目标进行特征提取，表示运动行为；３）利用异常检测算法对行为进行判别。基本流程如图１所示
………………
智能视频监控系统异常行为检测算法研究综述 PDF 完整版下载（文字可复制）：
https://www.aliyundrive.com/s/DWjuoH9h1RQ 提取码: td78