随着视频监控系统在社区、安检等方面的广泛应用，怎么样自动进行迅速而又精准的异常行为的检测成为视频监控范畴中一个亟待解决的题目。人体异常行为识别的核心包含运动目标检测、运动目标跟踪、特征提取以及后期的异常行为识别这几个重要部分。　　因为人体的运动是非刚性的运动，而且由于运动习惯、外观、复杂的环境情况差异使得识别的难度较大，所建的人体模型不能准确的表达人体的运动行为，以上的描述都给运动人体异常行为检测的研究带来了极大的挑战。本文研究改进了运动目标检测算法，通过三帧差法结合自适应高斯混合建模能够清楚的提取运动前景并提出一套识别人体异常行为的方法，它能够快速准确的检测出视频序列中的人体行为是否发生异常。　　异常行为识别的第一步即是进行运动目标检测，运动目标检测效果的好坏对识别的效果具有直接的影响，因此本文首先研究了运动目标检测算法，通过采用帧差法、背景减除法和背景建模中的高斯混合模型进行了运动目标检测实验，并对各个算法的优缺点做了精确分析，我们通过三帧差法对视频序列划分为正在运动区域、已经运动区域和背景区域，分别给予不同的高斯混合模型更新率即自适应学习率。并将更新策略做了调整进行本文的运动目标检测。　　分析根据上文的运动目标检测方法检测到的人体运动目标，接下来对其进行特征提取以及人体异常行为识别，首先对特征提取算法进行了研究，根据人体质心横坐标的变化将其分为移动型行为以及准静止型行为，对两种行为分别提取质心变化特征、膝关节位置特征以及hu矩形状特征。最后一步是进行异常行为的识别，通过对于异常行为特征的学习，将组合特征存入到数据库，最后我们采用支持向量机作为分类器对样本进行训练并且识别异常行为。