随着公共场所的增多和人类活动的增加，智能监控系统越来越成为公共场所安全防护的一个重要组成部分。目前的公共场所智能监控系统大多数是针对行人的监控，包括对行人的检测、跟踪、异常运动检测等方面。视频监控中行人跟踪与异常运动检测作为行人监控的主要组成部分，受到越来越广泛的关注。本文结合计算机视觉和机器学习领域相关知识，对行人的跟踪和异常运动检测算法进行了深入的研究，在总结了已有的行人运动分析算法的基础上提出了自己相应的改进和解决方案。本文的主要研究内容如下：（1）在行人检测方面，对经典的基于梯度方向直方图特征(HOG)的行人检测算法进行了改进。先根据人体对称性检测出行人候选区域，再对候选区域提取HOG特征，并通过SVM分类器进行行人检测。（2）在行人跟踪方面，提出了一种基于轨迹能量最小化的多目标行人跟踪算法。将多目标跟踪看成一种最小化轨迹能量函数的问题。和以往的跟踪方法不同，我们主要关注于设计一种能量函数，使它可以真实地描述跟踪问题，很好地表现视频场景中所有目标的运动和交互过程。最后通过迭代不断优化能量函数找到最优轨迹。（3）在异常运动检测方面，将概率图模型应用于异常运动检测领域。概率图模型以图的形式表示较为抽象的随机变量间的依赖关系，可以有效地建模行人运动的时序状态变化。通过提取的运动特征矢量对HMM和HCRF模型进行训练，并对这两种概率图模型的判别效果进行比较。