基于单目视觉的行为分类是计算机视觉领域中的一个重要分支，它是在单摄像头的环境下对人体的行为进行分类的过程，在智能视频监控、人机交互、虚拟现实和基于内容的视频检索等方面有着广泛的应用前景和潜在的商业价值，成为诸多学者研究的热点，也是未来研究的前瞻性方向之一。由于人体行为的多样性、不同人体体型的差异、视觉的变化、以及环境光照的差异等多方面因素的影响，使得实现一个鲁棒的人体行为分类系统变得非常困难。尤其是在单目环境下，还要考虑遮挡问题和深度信息缺失所带来的影响，增加了更多的不确定因素。但是基于单目环境的分析存在结构简单、易标定以及可以避免立体视觉中市场小的优点，因此，本文的分析是基于单目环境的分析。运动目标提取是行为分类中一项非常关键的步骤，现有的运动目标提取算法大部分都是基于背景模型的目标提取，本文提出一种新的基于显著性区域的目标提取算法，并将其与几种传统的显著性区域提取算法进行了对比。本文在研究基于混合高斯背景模型的背景减除法、光流算法、主元分析法的基础上对人体行为进行分析，选用局部信息和全局信息相结合的方式对行为特征进行描述。目标的形状是描述人体行为动作的最好方式，而光流又可以很好的反应人体运动的信息。因此，本文采用目标形状和光流信息对行为局部动作进行描述，采用动作与动作之间关系的信息来对全局运动情况进行描述。最后运用最近邻域法对行为进行分类。实验表明，该行为分类算法对区分度较大的行为的分类是可行的。