本文提出了一个新的方法来对监控视频中的异常行为进行检测并生成摘要视频。本文首先介绍了基于小块学习的方法,自动对场景中的正常行为模式和关键区域进行建模。根据建立的正常行为模式和场景的关键区域,算法可以有效地对异常行为进行检测和分类。接着,文章介绍了团块序列的最优分割模型。该模型综合考虑了运动物体的空间、时间、大小和运动关联性等信息,准确地提取并优化了物体的前景团块序列。该方法可以有效地解决由于物体碰撞或背景干扰引起的前景团块黏连问题。最后,文章提出了基于异常行为类型的视频摘要算法。该算法通过合理安排不同类型异常行为的团块序列,可以经由较长的原始视频生成很短的摘要视频,使得摘要结果简洁、高效。实验部分分别从异常事件的检测和分类、团块序列的提取、基于类型的动态视频摘要三个方面给出了实验结果,并通过与其他主流方法的比较,证明了本文算法的有效性。