随着信息化时代的发展，视频监控设备开始得到大规模普及，视频监控的数据量也急剧增加，大量的视频数据给实时监视报警和视频数据的有效检索带来了极大的挑战。在应对违法犯罪时，往往需要手动去翻看视频捕捉有效视频片段，进而获取破案关键线索，但是这种以人为观察主体的常规视频检索方法效率低、实时性差，目前迫切需要充分利用计算机技术挖掘海量视频中的关键视频片段，并根据设定好检索条件智能快速完成对视频中关键对象的搜索。因此，研究基于视频流的异常人体行为分析具有非常重要的理论意义和应用价值。本文以视频环境为背景，主要研究复杂背景环境下运动人体行为检测与识别问题，研究内容分为以下几点：一是，视频下运动人体快速检测，通过对比分析常见运动检测算法，提出使用高斯背景模型下的背景减除方法完成运动人体检测。二是，视频中运动目标快速有效跟踪，本文选取了粒子滤波算法，并对比分析了相关运动跟踪算法，提出选取颜色特征完成运动目标的有效跟踪。三是，在运动人体跟踪的基础上，通过抽取视频帧，利用骨架化算法提取到运动目标，并细化得到其骨架，利用改进后的关键点定位算法提取骨架关键点，建立人体骨架及参数模型，将行为分析问题直接转化为参数求解问题。四是，异常人体行为智能识别，引入模糊理论，通过利用最大隶属度方法，对人体异常姿态进行识别。利用目标跟踪过程获得的运动轨迹信息，计算得出轨迹点速度和方向，用于对目标行为过程异常情况的模糊判别。本文的深入研究将会推动未来智能化视频行为分析的快速发展，完成视频异常行为的智能化报警，进而推动智能行为分析更为广泛地应用到日常生活中。