人体异常行为识别是指对视频序列中的人体行为进行自动分析，并判断运动人体行为是否异常的技术，是计算机视觉领域的研究热点问题。人体异常行为识别技术研究在智能视频安全监控领域中有着广泛的应用价值，具有重要的实际意义。这种基于异常行为分析的智能视频监控系统不仅能够忽略监控系统中的无用信息，还能够高效地完成保障安全的任务，节省大量的人力、财力、物力，给社会带来巨大的经济效益。本文主要对跑、弯腰走、跳、下蹲、摔倒、徘徊、砸车七种人体异常行为进行识别，研究内容涉及运动人体检测、跟踪、特征提取和行为识别技术。论文在分析对比帧间差分法、光流法、背景减除法等常用运动目标检测方法的优缺点的基础上，选用基于K均值聚类的混合高斯模型背景减除法进行运动目标检测，并利用数学形态学图像处理方法对运动检测的空洞进行后处理，得到比较完整的运动人体目标；利用卡尔曼滤波算法和Mean shift算法相组合的跟踪算法，提高运动目标跟踪的实时性。论文对LBP算子和Hu矩进行了深入研究。利用LBP算子提取的特征能充分描述图像的纹理特征和Hu矩能够较好地描述运动区域信息的特点，提出采用基于旋转不变性均匀模式LBP特征和较低阶数的四个Hu矩M1, M2,M3,M4相结合的运动特征描述方法，该方法对运动特征的提取具有较好的鲁棒性。实验结果表明，该种运动特征描述方法能够较好地表征运动人体的行为。在行为识别方面，选用基于状态图转移模型的方法，利用隐马尔可夫模型对时间和空间尺度上运动的微小变化具有较好的鲁棒性的特点，采用隐马尔可夫模型（HMM）对人体异常行为进行识别。实验结果表明，隐马尔可夫模型用于人体异常行为识别能得到较高的识别率。