1.一种基于视频图像块模型的局部异常行为检测方法，其特征在于，包括以下步骤：
步骤A、对输入视频中所有对象的视频图像块进行提取，及选取存在异常的候选视频图像块；对所选取的候选视频图像块进行检测和优化，获取优化后的候选视频图像块；
步骤B、对所优化后的候选视频图像块利用建立的正常行为视频图像块模型进行训练，获取每个视频图像块中正常行为并将该视频图像块从候选图像块中剔除，并确定得到剩余的候选视频图像块；
步骤C、对剩余的每个候选视频图像块利用建立的异常行为视频图像块模型进行检测，获取得到若干个关键图像块；及根据计算的关键图像块之间的相关性，确定异常活动轨迹，并对所确定的异常活动轨迹进行分类；利用视频图像块描述方法将分类所得异常活动轨迹所占区域在该视频图像块中标记描述。
2.根据权利要求1所述基于视频图像块模型的局部异常行为检测方法，其特征在于：所述步骤A中根据视频图像块之间的重叠区域和计算梯度直方图特征选取存在异常的候选视频图像块。
3.根据权利要求1所述基于视频图像块模型的局部异常行为检测方法，其特征在于：所述步骤A中对所选取的候选视频图像块进行检测和优化，具体包括：
步骤A1、检测和剔除所选取的候选视频图像块中存在误选的视频图像块，确定得到初次剩余的候选视频图像块；
步骤A2、构造和最小化分割成本函数对初次剩余的候选视频图像块优化，获取相邻帧的视频图像块之间的分割图像块；
步骤A3、重新联合相邻帧的视频图像块之间的分割图像块，获得优化后的视频图像块。
4.根据权利要求3所述基于视频图像块模型的局部异常行为检测方法，其特征在于：所述步骤A1中根据视频图像块的尺寸确定候选视频图像块中存在误选的视频图像块。
5.根据权利要求3所述基于视频图像块模型的局部异常行为检测方法，其特征在于：所述步骤A1中根据计算的每个视频图像块的运动描述特征和概率密度函数，确定候选视频图像块中存在误选的视频图像块。
6.根据权利要求3所述基于视频图像块模型的局部异常行为检测方法，其特征在于：所述步骤A2中根据计算包含权值设置下的分割视频图像块的帧内代价、帧间代价、时间代价，获取得到相邻帧的视频图像块之间的分割图像块。