基于视觉的运动人体检测与行为识别涉及图像处理、模式识别的核心问题，在安全和军事等领域有广泛前景。因此在固定单摄像机下，研究运动目标检测与跟踪获取单人姿态序列，构造时空拓扑特征，建立分类准则，识别近景单人行为，具有非常高的理论和现实意义。　　 本文针对混合高斯和多模态均值在扰动、光照和计算存储量等方面的优缺点，提出了区域纹理法，分析场景，制定区域复杂度检测目标。实验表明该方法能在复杂室内外环境中克服噪声与扰动，实时转换前/背景，优化速度和存储量，准确检测目标。为提高蒙特卡罗跟踪的抗遮挡和背景干扰能力，提出多线索动态融合粒子滤波算法，通过局部区域初始化样本，结合颜色、纹理、边缘线索自适应模型，有效避免干扰与遮挡，鲁棒精确地跟踪目标。在行为识别中，针对特征的描述力与维数问题，利用随机投影融合几何不变归一化R变换、拓扑结构和行为时空Poisson信息，构造强内聚高区分的低维时空运动拓扑特征。结合模拟人脑解决问题的稀疏机制，添加噪声项克服空洞和阴影，识别近景单人走、跑、跳等行为。通过单一行为与多行为分别达到90.18％和87.78％的识别率，表明时空拓扑特征的较强描述力，识别模型的高效性和噪声鲁棒性。