近年来,智能交通系统(ITS)以其高效性、安全性等优势受到国内外学者的广泛关注。同时,基于视频的交通事故识别和行为理解作为ITS的一个重要组成部分,对及时预测和处理交通事故具有重要意义。但是,当前的方法大多只适用于简单场景和行为的识别,对于人车混型等复杂场景识别率较低。基于上述背景,本文对交通场景下的运动目标的检测跟踪和异常行为理解做了深入研究。首先,在目标检测方面,提出了一种基于改进分水岭的运动目标检测方法,算法首先进行自适应背景差分,并利用Otsu算法进行阈值处理和形态学去噪,得到初始二值化的运动目标区域,然后对前景和背景对象进行标记,在此基础上采用基于标记的分水岭变换。实验结果表明,本文算法能够克服传统分水岭算法易产生过分割的缺陷,精确提取运动目标轮廓。在目标跟踪上,本文采用基于改进Hausdorff距离的模板匹配算法,将前述分水岭算法提取的目标轮廓转化成多值图像作为模板,然后将实时采集的图像与模板图像以改进加权Hausdorff距离作为相似性度量进行匹配,从而实现跟踪。实验结果表明,本文跟踪算法在实时性和准确度上相对于传统算法均得到了显著提升。在行为识别与理解方面,本文提出了一种基于隐马尔可夫模型(HMM)的交通异常行为识别算法。首先通过目标检测与跟踪,提取运动特征作为基本语义单元,并将其组合成简单行为观测序列,然后利用Baum-Welch算法进行异常行为的HMM建模,最后根据前向算法及阈值处理识别交通异常行为。实验结果表明,本文算法能够准确识别出交通场景中车辆逆行、压线、异常停驶及行人翻越护栏等异常行为,并且实时性较好。