在智能监控视频分析领域中,行人异常行为检测是其中一个非常重要的部分。在信息技术和媒体技术迅猛发展的今天,如何从海量视频信息中准确提取出所关心的重点信息一直是相关研究人员的研究重点。行人异常行为检测作为协助有关部门对目标区域进行行人管理和安全监控的一种有效手段,能够帮助及时发现异常情况,因此成为了视频分析领域里的一个研究热点。虽然目前已有很多的异常检测算法,但要达到准确检测和定位,这仍然是一个具有挑战性的任务。在对领域内现有算法研究分析的基础上,本文对异常检测算法存在的难点和问题进行了分析,并提出了基于近似最近邻查找技术的异常检测算法,其中包括了基于局部敏感哈希的异常检测算法和基于局部敏感B树的异常检测算法。本文主要创新性工作如下:1.本文提出了一种行人行为动态特征(Dynamics of Pedestrian Behavior,Do PB)。该特征能够有效地对行人的行为运动进行描述。由于现有异常检测算法中,对于行人行为的描述往往只关注于行人的运动方向和速度、行人外观特征,而忽略了个体行人在运动过程中由于运动而产生的方向、速度、外观的动态变化。Do PB通过分析行人在不同行为状态下的运动速度矢量以及外观的动态变化速度和变化幅度,有助于行人激烈运动、异常平移运动等的检测;2.本文提出基于RPCA(Robust Principle Component Analysis)模型的行人匹配追踪算法。在该算法中,利用RPCA模型对运动行人进行检测与分割,并利用帧间匹配的方法实现对行人进行追踪的目的。在Do PB特征提取过程中,由于检测视频可能存在分辨率低、运动目标与背景灰度相近等问题,传统的行人检测和行人追踪算法难以准确检测出所有的运动目标,利用RPCA可以有效地解决此类问题,从中提取并匹配追踪个体行人。3.本文提出基于局部敏感B树的异常行为检测算法。在实现利用局部敏感哈希进行异常检测算法基础上,本文进一步提出利用局部敏感B树对行人异常行为进行分析和检测。局部敏感哈希是近似最近邻查找技术中常用的一种方法,它可以将相似数据信息聚为一类,为待测数据找到所属类别。局部敏感B树可以通过数据的映射和编码,实现高维空间内的近似最近邻的快速查找。在基于局部敏感B树的异常检测算法中,本文通过构建由多棵局部敏感B树组成的局部敏感森林,为每一个用于训练的非异常特征进行树编码。为待检测特征进行同样的映射和编码后,通过编码相似性查找到若干近似最近邻。通过计算与最近邻之间的距离,得到特征数据的异常程度,并进一步实现异常的检测和定位。