随着社会经济水平与科技水平的持续发展,世界上各个国家或者地区均在公共场合铺设大量的监控摄像,用于保障监视范围的相对安全。但仅仅依靠监控摄像的增加,无法做到智能化的分析,社会上暴乱事件的发生也仍然无法有效地避免。因此,人们对于周边以及自身的安全防范要求越来越高。近些年,视频智能分析技术研究热度持续升高,这一技术的大规模应用对于提高安全防范系统将会有重要意义。针对目前公共场合的视频监控调用录像的滞后性,以及视频监控功能的单一性特点,为了实时分析出高危人群的行为动作,提高监控分析判断的实时性以及准确性,本文提出了一种基于区域光流能量的人体异常行为分析检测方法。本论文主要进行的工作如下:(1)为了使得系统能够有效的识别出前景目标以及背景,本文将利用一种较为新颖的前景提取算法——ViBe算法,来得到视频序列的前景区域。并通过算法自身的预处理、优化方案使得背景能够自适应更新背景模型,为后续的试验能够进行更加精确的试验,使得仿真试验能够更加贴近实验预测的结果。(2)为了有效监测监控区域中的行为目标,采用最近邻法对前景进行区域标记,准确地提取运动区域;对监控画面中有行为动作发生的区域进行标记,使得系统能够有效的识别并检测出行为发生的区域。(3)为了对区域内的行为目标更加准确地识别,采用Lucas-kanada方法计算运动区域的光流;对标记区域内的行为进行光流能量的计算,并在后续的章节中利用能量幅值来判断行为的异常。(4)为了使得能量幅值图更加直观、客观的反映人体行为,采用加权能量直方图来描述人体行为,并通过加权的能量幅值来判断行为目标的行为是否有异常的变化。(5)为了使得本文的算法以及行为检测方法能够有效的检测出各个环境的行为,将对不同场景下的视频序列进行大量的仿真试验。最后通过实验的结果,验证此方法的有效性。