近些年来,各类社会公共场所例如银行、监狱、电梯、车站、机场等均安装了各种各样的监控设备。但是传统的视频监控设备在使用的过程中,由于监控人员的精力有限无法保证时时刻刻关注监控视频当中所发生的一举一动,对于很多突发的打架、斗殴、抢劫等暴力情形往往只能通过事后查看录像的方式来寻找相关线索。此时暴力事件已经发生,人民生命财产已经遭受到不法侵害,监控录像更多作用的在于事后弥补。本文旨在针对公共场所各种类型的人体具有不同行为这一特定对象,对智能视频监控当中的人体行为识别技术进行研究。运动目标的提取大体分为运动目标的提取分割、图像特征提取以及图像目标的分类三项研究内容。本文在对现有的智能视频相关算法研究并分析的基础之上提出了改进的背景差分方法来进行目标分割、使用主成分分析法进行图像特征提取、使用人工神经网络这一机器学习工具来进行视频人体行为的识别的技术并初步实现,具体研究内容包括:1.设计改进的背景差分法,引入了背景改变系数,由于系数的作用,可以在做背景差的过程当中,不断的进行背景更新。从而在目标分割的时候尽可能的减少无关背景的影响。2.使用了网络开源的Weizmann视频库中例如跑、跳、挥手等十种具有代表性的人体动作视频作为研究的素材,将不同的人体视频图像进行背景与前景分割之后,通过主成分分析的技术提取用于后续分析的特征向量,显著的减小了特征向量的维度,从而避免了造成维度灾难的危险。3.在行为特征理解方面,本文设计使用了人工神经网络来进行人体特征识别,通过建立多层的人工神经网络并且运用将sigmoid函数不断求其梯度的最速下降法来不断的降低输出值与真实值之间的差异,最终达到自学习的目的。