在如今这个社会治安问题凸显,社会管理难度高的大背景下,视频监控系统的相关研究显得尤为重要,本文主要聚焦于视频监控系统中的异常行为检测和帧率上变换研究。在异常行为检测中,本文提出了以提升检测精度为目标的基于密集轨迹特征和Fisher Vector的异常行为检测方法,以及以优化检测时间为目标的基于MPEG视频特征的异常行为检测方法。在帧率上变换中,本文对基于块的运动补偿插帧算法进行改进设计,提出了基于双向运动估计和中值滤波的帧率上变换方法。下面将对本文提出的三个方法作简要描述。1.基于密集轨迹特征和Fisher Vector的异常行为检测:为了提取更具表征性的视频信息,从而提升检测精度,本文提出了基于密集轨迹特征(Dense Trajectories,DT)和Fisher Vector的异常行为检测方法。在特征提取阶段,本文使用DT特征提取方法对视频进行密集采样和特征点轨迹跟踪,并计算采样特征点的轨迹形状、外观信息、运动信息和运动边界共同来表征视频信息。在特征编码阶段,本文使用Fisher Vector方法对高阶的统计数据信息进行计算,从而将低层特征转换为高层视频表示。最后,实验结果表明本文提出的方法相较于其他的异常行为检测方法,检测精度得到了提升,且在非人群场景和拥挤人群场景下具备通用性。2.基于MPEG视频特征的异常行为检测:为了降低特征提取时的计算复杂度,从而优化检测时间,本文提出了基于MPEG视频特征(MPEG flow video descriptor,MF)的异常行为检测方法。在特征提取阶段,本文使用MF特征来表征视频的外观信息、运动信息和运动边界信息,并使用MPEG flow替换Optical flow,大幅度地降低了计算复杂度,从而提升视频的帧处理速率。在特征编码阶段,本文使用稀疏编码方法对原始视频数据进行稀疏重建表示,从而将低层特征转换为高层视频表示。最后,实验结果表明本文提出的方法在综合比较检测精度与检测时间的维度上,是相当高效的方法,且在非人群场景和拥挤人群场景下具备通用性。3.基于双向运动估计和中值滤波的帧率上变换:为了降低运动估计时的计算复杂度,且不影响最终的准确率,本文对运动估计方法进行改进设计,提出了基于双向运动估计和中值滤波的帧率上变换方法。在运动估计阶段,本文设计了一种基于双向运动估计的两阶段运动估计方法,由粗搜索运动估计和细搜索运动估计组成。粗搜索运动估计单元负责计算初始的运动矢量,细搜索运动估计单元负责对被错误修正的运动矢量进行微调。在运动修正阶段,本文提出了一种基于角度与幅值的中值滤波方法(Angular-Distance Median Filter,ADMF),用来对错误的运动矢量进行修正。最后,实验结果从PSNR和SSIM等评价指标上验证了该方法的有效性。