传统的视频人体行为识别算法多数是针对2D图像,钢厂的高危作业现场环境复杂、光线昏暗、粉尘较多等因素都会对传统的监测算法造成干扰,从而造成误判。但深度传感器获取的是被测目标的3D信息,受外界环境（光线、粉尘等）干扰特别小,相较于传统2D图像在提取骨架数据方面具有无法代替的优点。所以基于深度数据的高危作业人体异常行为监测具有极高的意义和价值。针对高危现场易发生危险事件,深入分析研究了人体异常行为监测的原理与方法,并结合监测环境、被监测人员自身特征,利用人体骨架关节点的三维信息,提出基于人体骨架关节点特征变化的跌倒异常行为检测算法,设计人体异常行为监测系统,实现了高危作业现场人体跌倒行为的实时监控。主要研究内容如下:（1）提出了基于人体骨架关节点三维信息特征变化的跌倒异常行为检测算法:考虑到人体发生跌倒行为时关节点特征变化的规律,分别提出直接法和匹配法对跌倒行为进行判别。针对直接法,提取骨架关节点的相对位置熵和速度信息,设定经验阈值,对跌倒状态进行判别;针对匹配法,计算膝关节角度,设计基于动态规整算法的膝关节角度匹配算法,对跌倒状态进行判别。最后,将两种算法分别在快速向前跌倒、快速向后跌倒、缓慢向左跌倒、缓慢向右跌倒四种状态下进行实验测试,结果证明两种算法均获得较高的识别率。（2）设计了基于深度数据的高危作业人体异常行为监测系统:在windows7系统上进行Kinect深度摄像头环境搭建,利用Visual Studio编程软件调用Open NI框架,实现了在VS中使用C++编程语言进行系统的功能模块编辑。