交通管理系统是对交通系统中包括人员、车辆、道路及环境等要素的统筹系统,交通系统中的要素一旦发生异常,就会导致拥堵或事故。及时获取交通信息上报交通管理系统处理,能够降低拥堵或事故的发生率,交通监控系统是交通管理系统对交通要素实时信息获取的重要手段。基于视频的车辆异常行为分析作为智能交通监控系统的核心技术,对于提高道路运行效率、降低事故率及保障交通人生命财产安全有有重要的意义和应用价值。本文以轨迹作为车辆行为信息的载体,围绕车辆异常行为识别这个目的,进行了运动车辆检测、跟踪及异常轨迹识别的研究。针对交通监控中无法采集大量负类样本,并且需要实时检测的特点,本文提出基于自适应单类支持向量机的车辆异常行为检测方法。该方法将车辆轨迹映射为高维空间中的向量点,选取一段正常车辆轨迹,由支持向量机算法学习该样本轨迹后建立支持向量模型,实现对待检测轨迹进行异常监测。本文所做的工作总结起来主要为以下几个方面：(1)针对交通场景中实时性及精确性的要求,采取混合高斯模型对监控场景进行背景建模提取运动车辆,较好地抑制了噪声,并且检测目标精确。(2)利用MeanShift算法对检测到的运动车辆实现轨迹跟踪,为车辆轨迹异常行为识别获取基础信息。(3)利用改进的Hausdorff距离和比较置信度度量轨迹间的带权相似度,并用谱聚类算法对其进行聚类,获得场景中车辆运动行为模式。(4)以车辆轨迹为研究目标,用单类支持向量机对其进行异常识别,并在单类支持向量机中加入自适应参数,实现支持向量模型的实时更新,以满足长期监控的需求。