面向治安防控的行人异常行为的检测和研究在管理学领域有着重要意义,有助于实现城市管理、警情管理的自动化、智能化、去人工化;行人轨迹作为行人行为的重要特征可以反映行人的运动模式,是相关领域的研究热点之一。但是利用智能视频监控获取的轨迹往往伴随较多跟踪错误,并且现有的主流异常轨迹检测手段仅关注局部特征,导致不适用于复杂的行人轨迹。针对上述问题,本文提出了一套基于多特征融合的行人异常轨迹检测方案,对治安防控场所的行人异常轨迹进行研究。本文的主要研究包括以下几个部分:（1）提出了一套基于多目标跟踪的分布式行人轨迹获取架构进行行人的实时跟踪,并对传统的MDL轨迹分割方法进行改进,提出考虑速度和权重的MDL轨迹分割方法,从而可以将轨迹的局部特征运用于轨迹整体之间的比较。（2）提出了轨迹置信度的概念,用来描述实时跟踪得到的不完整轨迹的可信程度,并基于常见的跟踪错误,从轨迹形状、轨迹点密度和轨迹点数量的角度出发,定义了轨迹置信度的计算方法。（3）对轨迹进行局部异常和整体异常分析,提出轨迹的多维度特征提取方案;改进了传统的密度聚类方法,用子轨迹局部密度描述轨迹局部特征,将聚类特征的布尔值变为连续值,减少了特征信息丢失,并提出了基于速度熵的轨迹整体特征,用轨迹的速率熵和方向熵作为整体特征,弥补了轨迹局部特征对整体异常轨迹不敏感的缺陷。最后,本文提出了基于多维特征的异常轨迹检测模型和模型训练方法,在真实的视频监控数据集上开展了实验,并与多种现有的异常轨迹检测方法进行了对比。实验显示,本文提出的方法对于治安防控场所的行人异常轨迹分析具有良好的效果:由于引入了轨迹置信度和轨迹的整体特征,因而本文的方法比起现有的异常轨迹检测手段有更高的检测率和更低的误检率,实验也证明了本文方法的有效性。