随着人们安全防范意识的增强,如何利用布设范围广泛的视频监控设备对生活中如跌倒、徘徊以及打架等人体异常行为进行及时有效的检测与预警成为了研究的热点。传统的监控系统采用人力值守,不仅费时费力,而且存在着漏判误判的问题。基于图像处理理论和视频分析技术的人体异常行为检测技术,则可对监控场景中人体异常行为进行及时的识别和预警,具有重要的研究意义。人体异常行为检测包括运动目标检测、运动目标跟踪以及异常行为判断三个步骤,本文的主要贡献如下:（1）针对目标检测中时常出现检测结果不完整的问题,提出了一种基于均值背景与三帧差分法的运动目标检测算法。首先采用均值法进行背景建模,进而通过三帧差分法不断更新背景模板,最后使用背景减除法提取运动目标二值化图像。实验表明该方法相较于传统目标检测算法提升了检测精度。（2）针对目标跟踪时因遮挡问题出现跟踪失效的问题,提出了一种基于多特征融合的目标跟踪算法。在运动目标特征提取时,融合梯度特征、颜色特征以及纹理特征得到350维的特征向量;利用Kalman滤波进行目标运动趋势的预测;在模板匹配时利用TSS方法完成目标的匹配。实验表明在数据集CASIR上的跟踪成功率达到了94.9%,检测速度达到了16.3帧/秒。（3）针对异常行为的不同特性,提出了打架、跌倒以及徘徊三种异常行为的检测方法。在打架行为检测过程中,针对运动目标之间肢体交互行为动作幅度大以及方向混乱的特点,利用Lucas-Kanade光流法求解图像帧的光流特征向量,同时计算基于幅值加权的改进光流方向直方图的熵;在跌倒行为检测过程中,针对运动目标重心降低以及倒地时间较长的特点,计算运动人体目标质心变化率、外接矩形框宽高比以及倒地时长;在徘徊行为检测过程中,针对运动轨迹方向转换次数较多以及停留时间较长的特点,利用Freeman链码记录运动轨迹,根据距离转角观测运动方向的改变,并计算人体处于监控场景下的时长。实验结果表明,本文改进后的人体异常行为检测算法能够实现对打架、跌倒以及徘徊三种异常行为的高效检测与及时预警。