基于视频序列的人体异常行为识别技术能够及时发现并处理异常行为,在保障社会安全方面具有巨大的实用价值。本文主要对如何从视频序列中准确、快速地识别出人体异常行为进行研究,在有效的目标检测和跟踪基础上,根据相应的人体特征实现人体异常行为的识别。首先,要选取合适的测试视频序列,并对其进行预处理,滤除视频采集或传输过程中的噪声,为客观的评价算法性能提供可靠保障。其次,分析总结三种常用的运动目标提取方法,比较各自的优缺点,本文采用抗噪性好、复杂度低的帧差法进行运动目标检测。针对帧差法目标检测中存在的“空洞”、“重影”等问题,将其与SUSAN边缘检测算子相结合来提取运动前景。首先通过三帧差分法获得运动目标的大致轮廓,再通过SUSAN边缘算子获得当前帧图像的静态边缘,将两个结果“相与”运算即可提取出精确的运动目标轮廓,再进行进一步的边缘连接、区域填充及形态学操作即可提取出完整的运动目标。最后,本文通过提取运动人体的外接矩形长宽比特征和质心偏离程度特征实现人体摔倒行为识别。在人体打斗行为检测中,针对传统光流法异常行为识别计算量大、实时性差的缺点进行改进,提出一种基于目标距离关系和图像光流特征的打斗行为识别方法。利用行为双方距离较近的情况下才有可能发生打斗行为这一特点,在传统光流法人体异常行为识别的基础上,加入目标距离约束条件,仅从满足距离约束条件的图像帧开始进行光流计算,成功克服了传统光流法实时性差的缺点,增强了算法的实时性。