随着公安部“金盾工程”和全国“平安城市”建设的深入发展，我国大多城市完成了覆盖全市的视频监控系统。目前，城市监控尚处于“只记录不判断”的阶段，随着视频数据量的几何增长，传统的人工判断及报警方式耗时长、效率低，如何在数量庞大的视频数据中自动检测行人、识别行人的行为类别是一个亟待解决的问题。本文针对该问题进行了研究，主要研究内容如下：　　首先，从城市监控视频中检测行人目标。实验分析了帧差法、光流法和背景减除法，优选了混合高斯背景建模法提取运动目标。采用机器学习和深度学习两种方案从运动目标中检测行人。关于机器学习，先分析了人体特征，对比了基于Edgelet特征的AdaBoost分类方法和基于HOG特征的SVM分类方法，在运动行人目标检测中，后者性能更佳。关于深度学习方法，改进了基于YOLO网络模型的行人目标检测算法。采用INRIA行人数据库进行实验，该方法取得了高达93.1%的准确率，能较好的完成监控场景的行人检测任务。　　然后，在提取行人目标的基础上，研究了人体行为特征提取算法。通过静态、动态和时空特征分析，考虑到时空特征兼具动静态特征优点，最适合描述人体行为特征。接着研究了两种时空特征，其一为MHI特征，本文采用了一种基于区域约束的MHI特征。其二为时空兴趣点特征，本文采用了一种融合了3DHOG和HOF特征时空兴趣点表达方法。　　最后，采用基于模板匹配和主题模型的两种行为识别方法，以实现城市监控系统智能化的核心功能。基于模板匹配的识别方法使用MHI特征，由于MHI模板不够精确，常导致分类效果下降，采用了基于区域约束MHI的模板匹配改进算法。基于主题模型的识别方法则使用3DHOG和HOF融合特征，针对该法易受背景噪声干扰，采用了基于改进YOLO网络的主题模型算法，使主题模型仅关注行人周围的时空兴趣点，增强了算法鲁棒性。在KTH行为数据库中，准确率达到了92.7%，而在更难的CASIA数据库中识别准确率达到了84.7%。　　本文研究了面向城市智能监控的行人检测及其行为识别方法，并应用上述数据库进行测试，实验表明了本文算法有效，基本满足了行人检测及行为识别要求，对场景较复杂，行人较多等城市智能监控的研究也具有重要的参考价值。