智能视频监控是计算机视觉领域中热门的研究方向之一，具有广阔的应用前景。它是利用计算机来实现对监控视频的分析，从而使得机器视觉系统具有人眼一样的感知功能。当今社会安全问题日益受到人们的关注，因此,智能视频监控系统作为一种有效的安防手段，越来越受广大民众的喜爱。　　智能视频监控的主要研究内容就是基于视频流的人体行为识别。基于视频的人体行为识别技术主要包括运动目标检测，特征提取和行为识别三个方面，尽管该技术已经取得了长足的进步与发展，目前,仍有许多问题亟待解决（例如，如何更加准确高效的获取运动目标及运动特征；如何更加高效的进行行为分类等）。　　本文从理论联系实际的角度出发，对人体行为识别的关键技术进行了相关研究。研究内容主要涉及前景提取、阴影去除、特征提取、行为分类几个方面。　　本论文的主要创新点体现在以下方面：　　1.提出了一种融合平均背景法、相邻帧差法、混合高斯模型三种方法的前景提取算法，具有很好的鲁棒性，克服了帧差法易产生空穴以及当物体静止时无法检测到前景的缺点。另外,在前景提取的同时还进行了阴影去除，使得该前景提取算法提取效果更加精确高效。　　2.本文提取了速度、大小等易于提取的简单属性，包含丰富的运动数据，并依据其属性间的相关性将它们用于分类，避免了由于背景的噪声较大等因素的影响致使不能准确的提取出前景等问题。　　3.本文使用选择性集成学习的思想进行行为分类，充分利用了学习系统泛化能力，提高了分类效果，实验结果表明该方法具有很好的分类效果。