人体行为识别是人体运动分析的重要研究方向，广泛应用于智能安全监控、智能家居监护、医学步态分析、体育训练、虚拟现实等多个领域。该技术以计算机视觉为基础，通过对指定运动目标和场景的监控视频分析，判断运动目标是否存在异常行为，包括目标检测、特征提取、行为建模和异常行为检测等过程。智能视频分析不仅可以减少传统视频监控中的人力资源的投入，而且能够快速、高效地判断出视频中的异常情况。本文在分析和总结现有理论和研究成果的基础上，提出了一种新的异常行为检测算法。提出了一种基于视频内容的关键帧提取方法，以提高视频的分析效率。首先提取人体的Hu不变矩特征表示视频图像序列的内容；然后通过计算相邻帧间特征的覆盖率，选取候选关键帧；最后，计算候选关键帧的失真率，以提取视频中的关键帧，作为视频的压缩数据。提出了一种基于多特征融合的行为描述算子，用于行为建模。利用前景信息中的六星模型、六星角度和离心率等特征对人体行为进行整体描述，充分体现了人体行为信息。使用基于径向基核函数的支持向量机的多类分类器建立学习模型,在自采集和公用视频数据基础上构建标准姿态的特征库，利用该标准特征库训练分类模型,进行异常行为的检测。实验结果表明，本算法可对视频中的11种行为进行分类，并检测其中的异常行为，论文中给出算法的检测精度和识别效率。