视频监控在给人们带来方便的同时，产生的海量视频却让回溯、存储变成了一件灾难性的事情。因此所提出来的智能存储算法具有重要的意义。智能存储是指将视频序列分割成几个完整的部分，为客户回溯、查找可疑信息和视频后期处理都提供了方便，对于纯背景画面或者是那些长时间几乎没有变化的画面，选择放弃存储，在节约存储代价的同时也精简了视频序列。本文是在摄像头异常检测的基础上完成的，主要做法是，在视频监控阶段利用聚类算法将帧图像分门别类、然后将其存储到事先准备好的标签下，形成标准的视频文件。其过程包括动态特征提取、利用聚类算法进行聚类、将视频帧图像分类存储。论文的主要工作如下所示：(1)动态多特征组合模型的研究为了很好的描述帧图像的特征，本文基于直方图差异的异常检测算法，研究动态多特征组合模型。实验表明基于直方图差异的特征，可以较好的区分异常视频序列和正常视频序列。(2)利用K-means聚类算法解决帧图像的分类问题首次将K-means聚类算法引入智能存储中，将视频序列在场景发生变化时产生的帧图像分成不同的几类，然后按照类别将相对应的视频序列，需要被存储的存储到事先准备好的标签下面，不需要被存储的则放弃存储，最后达到智能存储的目的。(3)基于信息增益比率的加权距离计算方法在K-means聚类算法中，距离是相似度的度量方法，基于信息增益比率的加权距离计算方法能够反映特征分量在分类中的贡献大小，所以能够有效的提高聚类质量。基于K-means的智能存储算法与传统存储方式不同，它不但解决了存与不存的问题，而且达到了分类存储的目标。