随着我国老年人数量的急剧增加，中国已经迈入了老龄化社会，对老人的护理问题已经成为社会焦点，针对这类特殊人群的智能视频监护系统变得尤为需要。基于视频的人体行为识别因为在智能监控、虚拟现实、人机交互等领域拥有广泛应用前景而备受研究学者关注。现今的人体行为识别主要通过视频监控并且场景不复杂的情况下对运动目标检测并识别，如何让计算机能够实现对人的行为进行学习并识别，采用何种特征来表述人的各种行为依旧是研究热点，同时行为识别还涉及到图像处理、计算机视觉、机器学习以及模式识别等多方面的知识。本文重点研究了在场景不变情形下的运动目标检测方法对于老人检测的效果。在对老年人进行检测方面，老年人因为行动相对常人较为迟缓，活动场景相对固定，对老人的检测可能会被误判作背景，同时老人缓慢的连贯动作也影响了识别精确性。行为识别中，监测的视角和距离均会对特征提取造成影响，选择的特征表述需要对颜色、纹理和衣着不敏感，具备平移缩放不变特性。Radon变换计算速度快和抗噪声性能好的优点，改进后的Radon变换具备对于上述的特征表述优点。本文采用关键帧提取与Radon变换相结合的算法，并将Radon变换后的结果作降维处理，通过支持向量机对各种动作进行识别和分类。本文研究的是一些特殊人群，其背景也会相对复杂如老人院。采用PCA与SVM结合的特征分类与识别方法对人体行为训练和分类的机器学习来提高准确率，实现了对人体异常行为的检测，并与前人的部分实验结果作了比较。最后将本文的方法应用在实际视频监控的老人院，实验结果表明，本文的方法达到了预期的性能。