随着大量摄像机在公共场合架设，搭建智能视频监控系统的需求也是越来越迫切。人员翻越围墙的行为是一种常见的入侵行为。而针对这一方向的研究也还在起步阶段。现有的很多研究都是通过使用各种传感器来对围墙上方进行监测。这种方法受环境影响大，并且需要人员实地查看报警情况。也有一些研究，提取人物骨骼节点特征，通过行为分析的算法对视频中是否发生了翻越行为。但是这些方法没有考虑到实际环境中复杂的遮挡和多个运动物体的情况，所以难以在实际环境中取得论文中给出的效果。本文主要目的在于克服现有方法在视频中出现遮挡和多目标情况下的不足，给出一种在实际环境中能够取得稳定效果的翻越行为检测算法。　　本文在之前论文的架构中，加入了检测和跟踪模块，实现了由目标检测-人员跟踪-轨迹分析三部分构成的算法流程。目标检测模块中，通过使用由贝叶斯分类器和Adaboost分类器构成的二级分类器，实现对可疑人员的检测。人员跟踪模块中，通过综合KLT算法、运动前景以及Kalman滤波器的预测结果对可疑人员进行跟踪。该模块能够应对实际环境中的遮挡，并在多个运动目标中找到正确的结果，得到稳定的运动轨迹。轨迹分析模块中，抛弃了之前论文中使用的在实际环境下无法稳定计算的人物骨骼节点特征，使用稳定的轨迹特征对人物运动进行分析，得到最终的结果。　　本文通过在不同的场合录制了大量的测试视频来测试算法的准确性。算法在测试视频中的准确率超过93.3％，没有出现误报。平均每帧视频的处理时间只有10ms左右，并且能够应对实际环境中出现的各种复杂情况。结果表明，该算法具有很好的准确性、鲁棒性和实时性。与之前论文中提到的方法相比，更能适应现实应用中复杂的环境条件。