基于视频序列的行人检测和行为分析问题是当今计算机视觉和模式识别领域的一个研究热点，它在智能视频监控、智能交通、人机交互、运动分析、辅助临床医学等多个领域有着良好的发展前景。该问题具体分解为提取运动中的人、对行人进行检测、对行人行为进行分析三个阶段进行处理。本文在总结分析国内外相关研究工作的基础上，提出一套较新的行人检测和行为分析的方法。一是通过研究运动目标检测的基本方法原理及优缺点，针对目标检测的基本方法应用到本实验中出现的问题，本文提出了一种新的基于训练的可更新的背景建模方法。该方法在视频的第一帧有运动目标的情况下依然能得到准确的初始背景，并在其后能不断更新背景，进而通过差分法检测到运动目标，从而能够更好地在复杂背景下提取到运动目标，排除复杂背景的干扰。二是将active basis方法应用到行人检测领域，active basis方法是一种较为灵活的建模方法，它可以从一组训练样本中学习到一个可变模板，此活动基模型由很多范围不同（不同位置和方向）的Gabor滤波器组成，每个滤波器在表示对象之前可有一定幅度的变动。使用active basis方法检测行人首先利用shared sketch算法从少量的训练图像中学习得到active basis模型，其次用sum-max maps方法实现对行人基本轮廓的检测和识别。三是利用改进的基于sum-max maps的shared sketch算法能自动分类训练得到行人多种基本姿态的active basis模型从而对行人的基本行为进行简单的行为分析。本文在实验环境下采集了大量图片和视频测试active basis方法的训练、检测、分析效果，实验结果表明active basis建模方法相比于一般的建模方法adaboost等，需要的训练样本数量较少并能良好的描述行人的轮廓。该方法在行人检测和行为分析上都取得良好效果，实验结果显示了本文提出的方法的有效性和新颖性。