近几年来各行各业对于视频监控的使用率不断提升,人们对监控设备的功能需求早已不是简单的监控记录。利用计算机图像视觉技术对监控视频中目标行为进行分析,实现智能监控,是视频监控行业的未来发展方向。目前市面上已经有许多智能监控设备了,但他们大多仅适用于室内场景;少数可在室外使用的产品,大多也只能在较短的范围内实现监控检测。基于这种背景,本文从户外工地上施工作业人员的异常行为检测角度入手,探索研究了在算力有限的嵌入式设备上,利用监控视频片段,在5-10米内对吸烟这一典型异常行为进行检测的检测算法。检测算法解决了两个核心问题,一为实现了对监控中人体的检测分割,二为实现了在户外施工场景下对吸烟行为的检测识别。在实现对监控视频片段中人体的检测分割时,本文设计并提出了一种名为取景框模式的人体检测分割方案。方案的核心思想是设法找到监控中目标人物所对应的一个矩形分割框,进而利用这个分割框在监控中截取人物图像。由于对每一帧影像的截取均使用同个矩形分割框,人物在分割结果中看起来就如同在一个取景框中,这也是将这种人体检测分割方案称为取景框模式的原因。利用该方案,在保证人体分割准确性的同时,减少了对设备运算资源的占用,从而提升了检测算法的效率。在实现对吸烟行为的检测算法时,本文设计了一种由初筛和二筛构成的两步检测方案。方案的核心思想是将吸烟检测划分为两个阶段,在两个阶段中分别从行为检测和目标检测的角度进行检测。利用该方案,在初筛阶段可以尽可能地将必定不是吸烟动作的行为排除,从而更多地将设备的运算资源留给二筛阶段,用于疑似吸烟动作行为的分析检测。两步检测方案是本文工作的核心,使得算法在降低对硬件设备性能要求的同时,兼顾了对算法的准确度。相较其他算法,本文设计开发的算法面向户外施工工地吸烟行为检测,以树莓派为代表的低价易获取嵌入式设备作为算法运行平台,更加具有实用性和实际意义。经过测试,检测算法的准确度达86.59%,符合开发的预期。