本文主要对两种摄像头异常进行了研究。一种就是我们所谓的人为摄像头异常，它常常是由人的恶意行为造成的。人为摄像头异常有很多种，我们主要对其中的三种情况了进行研究：恶意遮挡、转动摄像头和电源或电源线断开。另一种摄像头异常为摄像头抖动。对于人为摄像头异常，通过研究现有算法，我们采用了E.Ribnick提出的基于直方图差异的异常检测算法。但在实际应用中该算法也有不足的地方，如摄像头的位置比较低，当有多人经过场景时，该算法会将其误判为异常；在室内监控条件下，由开、关灯造成的光照突变也会被该算法判为异常，而在本文中我们认为这是正常情况。通过大量实验和分析，我们找到了解决上述问题的方法。对于摄像头抖动，我们采用了基于SIFT特征点匹配的图像稳定技术。由于SIFT在图像匹配方面的准确性和鲁棒性，我们用SIFT提取两帧图像的稳定特征点，并将这些特征点进行匹配。将匹配的特征点代入2D运动模型，求出运动模型参数。之后将两帧图像对齐，并对对齐后的图形进行修复。以此来达到稳定视频图像序列的目的。