高维复杂的图像和视频数据广泛应用于安全监控、人机交互、人工智能等领域。随着数据量的增加，基于像素的传统计算机视觉图像分析方法在计算复杂性方面呈现出一些不足，计算复杂性呈指数级增长。与传统计算机视觉图像和视频分析方法不同，视觉系统以其独特的信息处理机制，利用少量神经元就能适当抽取海量图像和视频的有效特征，这为形成新的视频图像处理方法提供了一种不同的研究思路。本文以探索新的视觉计算模型为切入点，研究解决传统目标检测、跟踪和个体异常行为分析等图像与视频信息处理问题的应用算法。从自然图像统计特性入手，结合视觉稀疏编码理论及其模型，提出新的不同于传统计算机图像和视频信息处理分析方法。以期形成以视觉计算方法为主导的图像和视频信息处理新途径，这对于高计算复杂性的图像和视频信息分析处理问题具有重要意义。主要研究结果如下：（1）分析了自然图像统计特性、视觉系统信息处理机制及其计算模型。详细阐述了基于稀疏编码的ICA、TICA与超完备集的视觉计算模型，为视频图像中目标检测、跟踪以及个体异常行为分析提供理论基础和算法支撑。（2）围绕视频图像分析中的目标检测、跟踪问题，提出基于超完备稀疏编码模型的视觉计算模型和具体应用算法，解决了跟踪过程中因运动目标遮挡、尺度变化等容易造成跟踪失败的问题。首先采用数值匹配的方法从自然图像中提取超完备集，建立目标检测算法；然后针对因噪声和背景扰动引起动态目标检测结果出现空洞的特点，提出连通区域检测算法；在此基础上进一步设计目标跟踪算法，采用多类别实验验证了该视觉计算模型和应用算法有效性。（3）在上述研究的基础上，围绕视频图像分析中的个体异常行为分析(较高层视觉任务)问题，提出相应的视觉计算模型和具体应用算法。首先，依据稀疏编码理论，采用具有时空特征的时空块训练获得字典；并且，为适应视频图像中复杂环境的变化，提出字典更新算法；然后通过判断视频图像中待检测时空块是否能够依据字典稀疏重构及重构误差大小，发现个体异常行为。