电力系统中存在多种安全隐患,而多数的隐患事件发生在电力生产中,有些事件具有突发性和不可预料性,但人为原因造成的人员伤害大部分是可以避免的,通过视频的监控能减少经济损失和人员伤亡；传统的视频监控系统受到固有因素的限制,监控人员容易疲劳,实时性差,降低了整个系统的安全性和实用性,智能视频监控使计算机能够分析和理解视频的内容,弥补了传统监控系统的缺点,可以将伤害程度降到最低。本文即是在智能视频监控系统的基础上进行电力系统中人体异常行为的检测与识别。在人体行为检测方面,论文首先研究了人体运动目标的检测方法并分析了基本方法的优缺点,传统的高斯背景建模利用当前帧和视频序列中的当前背景帧进行加权平均来更新背景,但是由于光照突变以及其他外界环境的影响,使用效果不好,本文最后提出了自适应多维混合高斯背景模型和帧间差分法相结合的目标检测方法,在阈值选取方面用OTSU方法进行改进,并通过实验证明本方法有良好的效果。针对人体运动识别技术,论文首先简单介绍了基本的运动特征提取及行为识别方法,并提出了一种改进的R变换和判别随机场相结合的人体行为识别方法；改进的R变换弥补了R变换提取特征时需要对二维平面函数进行尺度规范化的缺点,提高了特征的鲁棒性。判别随机场是将传统条件随机场模型和隐藏条件随机场模型相结合,改进了隐藏条件随机场仅能处理序列数据的问题,获取了行为的内在动态特性和外在动态联系,通过对比实验表明,该方法对行为的分类有更好的效果,也能更好地识别人体行为。