随着社会经济快速发展,智能交通系统在人类经济、社会活动中的地位显著提升。车辆的异常行为检测算法作为智能交通系统的核心内容,对人们的日常生活,社会进步和经济的发展起着重要的作用。本文对基于交通视频的车辆检测、车辆跟踪、轨迹模式学习及车辆行为的异常检测技术进行研究,并有针对性地提出了若干算法和技术方案。本文主要研究工作如下:(1)针对复杂交通场景下的运动车辆检测问题,利用自适应高斯混合模型对背景进行建模提取运动目标。在此基础上提出多结构多尺度的形态学算子,采用此算子对运动前景进行计算,获得完整的车辆边缘信息。保证了后续研究工作的可靠性。(2)针对传统光流跟踪算法中时间开销大的问题,利用基于图像金字塔的L_K光流跟踪方法,将视频中运动目标不满足运动假设的可能性降到最小,从而实现对运动车辆的快速精准跟踪,并且将跟踪得到的轨迹进行预处理,为后期的轨迹模式学习奠定基础。(3)针对目前运动行为模式识别研究依赖空间特征的单一性问题,提出了基于谱聚类的轨迹空间模式的学习方法;并且在轨迹的方向特征中,利用GMM模型获取轨迹集合的起讫点区域,实现轨迹方向模式的学习。(4)提出基于归一化巴氏距离的车辆异常行为检测方法,并采用这种方法对车辆位置违章行为进行有效检测,在实时性方面有较好的表现。文中对提出的方法进行实验论证,结果表明本文提出的技术方案是行之有效的。