智能视频监控是计算机视觉领域中的研究热点之一，它利用计算机技术实现视频内容的自动分析，目的是使机器视觉具有和人眼一样的感知功能。作为一种安防手段，智能视频监控已经被广泛的应用于金融、交通、工业等各个领域。运动人体行为分析与理解是智能视频监控的主要研究内容，其主要处理流程是采集实时视频图像，从视频序列中提取出运动人体区域，再对运动人体进行实时跟踪，最后对运动人体的行为进行理解和描述。本文从理论和实际应用的角度出发，对运动人体行为识别中的人体检测、行为序列分割、行为描述与识别和异常行为检测等关键技术进行了深入研究。　　本文采用Kinect传感器作为智能视频监控的数据采集设备，它不仅能够获取RGB图像，还可以提供场景的深度图和人体骨架信息，为智能视频监控提供了极大的方便。　　视频分割是人体行为识别的基础。本文采用一种基于本征维数和置信度的运动人体行为序列分割方法，根据行为的不连续性利用本征维数的变化确定初次分割帧，然后对该帧进行置信度二次判断，提高了分割准确性。该方法能够准确、有效地分割长视频序列。　　行为片段的表示和识别是视频监控的最关键环节。本文把人体轮廓和姿态信息进行融合，提出了一种表达性更强的行为表示特征;在此基础上，提出一种有向无环图SVM的改进方法，利用分离性测度解除了传统方法对根节点初始序列的依赖性，提高人体行为的识别准确率。　　在理论研究的基础上，本文建立了家居看护中的异常行为检测系统。分析了跌倒行为的特点和规律，融合运动和姿态特征，采用实时性较强的随机森林分类器对室内跌倒行为进行检测。实验结果表明，本文的异常行为识别方法可行性和有效性。