现在当今社会不断的发展和科技的前进,视频监控系统发展逐渐壮大,已经涉及到了人类生活的各类场合。但是现在大多数的视频监控体系还处于传统模式,即:只记实不判定。目前主要通过安保工作人员进行不间断地监控可能随机发生的突发行为和可疑行为,在此过程中需要大量的人力和物力进行安全管理,但是本身人体会感到劳累,不可能会一直持续的关注,这就很轻易造成漏检的情形,失去了及时监控的意义。视频监控的安全行为管理检测技术是对异常不安全行为进行自动识别处理,这项技术研究有着很大的发展前景,它不仅可以减少人工管理,而且也可以提前预防事故发生。视频监控的安全行为管理检测技术研究中重要的技术方法是先对视频的前景目标进行检测和识别。合理的运用这项技术将会给人类带来巨大便利,它能够自动对视频进行检测和识别,发现异常不安全行为,并发出警报进行处理,极大的方便了人类。要做到在发生不同寻常的状况时,摄像装置可以自行报警,首先要对拍摄到的图像视进行提取,然后对提取到的图像进行识别辨别处理。目前,视频监控行为识别也有不少学者进行研究,但是还有好多问题存在(如物体存在噪点、空洞和监控摄像头抖动时产生背景边缘误判等等)。为了解决视频监控的安全行为管理检测技术研究中出现的一些问题,因此本文提出了改进了视频监控前景对象提取算法与视频监控异常不安全行为识别算法研究,主要研究工作和创新成果如下:1、改进了视频监控前景对象提取算法,为了改良经常使用视频监控前景对象提取算法提取到物体存在噪点、空洞和监控摄像头抖动时产生背景边缘误判等情况,本文提出对提取到的前景对象的视频先进行高斯滤波,然后再对视频进行中值滤波,最后进行二次分辨算法,以此减少前景对象空洞并使背景边缘平滑的改进方法。当物体处于在静态背景的情况下,利用自适应结合高斯模型来进行获得所需对象;当物体在动态背景情况下,通常利用PBAS获得所需对象;当监控摄像头抖动时使用二次分辨算法,并加上提出的改进方法进行对比试验。2、改进了异常不安全行为检测识别算法,通过视频监控,可以在公共场所监控人员活动,以防止异常事故发生。要连续观看公共场所活动非常困难,因此需要智能视频监控来实时监控人体活动并将其分类为常规活动和异常活动,并可以生成警报。据此提出了一种基于对运动信息和分类方法进行编码的特征描述符来有效地解决该问题的算法。新的异常指示符来自隐马尔可夫模型,该模型可学习观察到视频帧的光流方向的直方图。该指标测量观察到的视频帧与现有正常帧之间的相似性,能够有效检测和识别监控视频中的异常不安全行为。图[20]表[0]参[70]