基于视频的人体行为分析是计算机视觉领域的一个研究热点，随着中国人口老龄化进程的加剧，视频分析技术在智能监护方面有了广泛的应用前景。在这样的应用背景下，本文以智能监护中老人、病人等这两大特殊群体为研究对象，主要是针对其行走、胸痛、头痛、发病后下蹲、跌倒这五种正异常行为进行检测与识别，首先实现对场景中运动人体的检测和跟踪，然后在对人体特征提取的基础上分析和判断运动目标的正异常行为，最后对这五种正异常行为进行分类与识别。　　本文针对这三部分，主要做了以下工作：　　1）在运动目标检测部分，采用Vibe前景检测算法虽然简单快速，但不能够完整提取运动目标，针对Vibe算法存在的不足，提出了改进的Vibe前景检测算法，具体做法是将 Vibe和一系列图像后处理方法结合，包括面积阈值法和形态学处理方法，能够准确的将运动人体检测出来。提出一种运动对象类别分离策略，通过检测人体头部，将人体与非人体区域分离，从而定位研究对象。　　2）在特征提取部分，针对单一特征判别行为误差较大这一缺点，提出一种基于多特征融合的特征提取方案，主要包括基于形状的特征提取，重点介绍Hu矩、傅里叶描述子等特征；基于人体的几何特征提取，主要利用最小外接矩形框获取人体高宽比、人体倾角等特征；基于人体运动特征的提取，包括质心变化情况、运动速度等。多特征的提取，为下一步的正异常行为分类做了充分的准备。　　3）在做正异常行为分类与识别时，首先针对视频处理量巨大，如果每一帧都处理算法效率很低这一问题，提出了利用关键帧提取技术来降低视频图像处理数据量的策略，然后进行多特征提取，对所采集图像的多种特征进行学习，将组合特征存入特征向量，最后采用KNN分类器对样本进行训练和分类，并通过实验验证了本文方法的可行性和高效性。