异常事件检测(Abnormalities Detection)是智能交通监控中的一个热门研究领域,其实用化后将成为智能交通系统(ITS)的一个重要组成部分,目前虚拟线圈技术已得到广泛应用,但基于视频中运动物体行为分析的异常事件检测技术尚处于研究阶段,具有很大的潜在市场需求。本文对基于虚拟线圈的交通流量统计系统和异常轨迹初步探测系统进行了深入的研究。本文建立了一个用于检测交通流量和粗略估计车辆速度等参数的虚拟线圈系统,采用的虚拟线圈形式是各车道分别设置的三个相邻的虚拟线,即断面检测的方式,这种方式的优点是计算量小,业务逻辑相对简单,能准确测定交通流量。给出了一种基于时间窗口的虚拟线触发状态序列分析方法来提高统计准确率,并且算法本身并不影响系统处理的实时性,也没有过多引入影响系统效率的复杂业务逻辑。本文对异常轨迹初步探测系统进行了详细的探讨,对其包含的四个环节(背景建模模块、前景处理模块、物体跟踪模块,轨迹建模及分析模块)涉及的算法进行了深入分析。前两个模块提出了一种采用背景ISM(Illumination Significance Measure,亮度显著性水平)值阈值化帧间差值提取前景象素点的方法,该方法最大的优点是计算速度快,对场景光照突变能做到快速响应,符合实时监控的要求。为了去除前景提取阶段及形态学滤波阶段引入的背景点和部分投射阴影点,提出了基于梯度加权的物体外接矩形框调整算法,使处理后的矩形框能更贴近实际的物体边缘。在物体跟踪模块,主要采用了均值位移方法。对于轨迹分析模块,本文详述了轨迹建模的基本原理,给出了POI(Points of Interest,感兴趣区域)和中心点-包络模型的基本概念,提出了POI的自动提取算法。本文的异常轨迹探测包括两个部分：物体轨迹的实时估计和跟踪结束物体轨迹的归类存储,实时估计主要是对车辆行驶车道的匹配,归类存储主要分为正常轨迹和异常轨迹两类,对轨迹探测的结果给出了初步分析。