运动人体检测和异常行为识别是在不需要人为干预情况下,利用计算机视觉的方法对视频序列中的图像进行自动分析,实现对动态场景中运动人体的检测、跟踪和识别,并在此基础上分析和判断目标的行为是否为异常行为。运动目标检测、运动目标跟踪和运动目标行为识别是人体异常行为识别的三大核心模块,本文完成的研究工作及主要贡献包括以下几个方面：重点研究了在摄像头固定的情况下运动目标的检测的方法,在背景变化比较简单的情况下,本文提出了一种基于背景更新与自适应阈值选取相结合的方法,并有选择性的对阈值进行选取,提高了算法的性能；在背景环境比较复杂的情况下,选取了一种基于高斯混合模型方法对运动目标进行提取,解决了光照以及树木扰动等外界变化带来的影响。在运动目标跟踪方面,本文提出了一种区域融合的方法得到运动目标的最小外接矩形,并选取区域中心的坐标和区域的移动速度作为一个状态向量,实现了对目标的跟踪。在运动目标识别方面,本文采用了模板匹配的思想,提出一种hu矩与图像的其他特征相结合的方法对运动目标进行描述,从而提高了对人体异常行为识别率,实现了运动人体异常行为检测系统。