经济的发展使社会治安的难度随之加大。火车站、飞机场、学校、银行、公共场所等近几年不断出事,然而目前对视频监控实时自动报警的技术不够强大。传统的视频监控很难满足现实的需求,智能化视频监控的研究随之而来。其中人体异常行为识别是其中的研究热点,通过提取人体特征,进行识别分类,达到对突发事件的监控并进行实时报警尤为重要。论文以提高人体行为识别算法的准确性为目标,通过对视频监控中人体目标的检测、跟踪,重点对两种异常行为识别方法进行研究,一种是基于动静态特征结合的改进的FSVM行为识别,另一种是基于Hu矩和纹理特征结合的模板匹配的行为识别。运动目标的检测方面,在对多种常用方法进行比较后,使用背景差分法的算法,对传统的背景建模的方法提出了改进,提出了一种双模型背景建模的方法,对背景中的静态背景使用了平均背景建模,对视频图像帧中的动态背景使用了光流建模的方法。在目标跟踪方面,采用了一种多特征结合的粒子滤波算法,优势是可以在非线性、非高斯下稳定跟踪目标。在人体异常行为识别方面,重点对两种识别方法进行了研究。一种是将Hu矩和纹理特征结合起来的模板匹配法,用马氏距离测量当前行为与标准行为的相似度。第二种是基于动静态特征结合的改进的模糊支持向量机(Fuzzy support vector machine,FSVM)行为识别,将行为的动态特征和静态特征结合起来,同时对模糊支持向量机中模糊隶属度提出了改进。