人体行为识别是人工智能领域的研究热点,可用于安防监控、工业自动化、人机交互和视频内容分级等领域。高清摄像设备提高了视频分辨率,丰富了目标细节信息,导致视频分析的数据量迅猛增加,面向高清视频的异常行为识别成为亟待解决的难题。针对基于动摄像机的高速运动目标检测速度慢的难题,本文提出基于运动矢量的高速运动目标检测新方法。该方法首先分析高清视频的码流格式和解码特点;然后从高清视频流中直接提取运动矢量,并根据参考帧位置信息进行运动矢量规范化;接着分析目标的运动方向分布特性,提取场景的全局运动参数,实现面向动摄像机的全局运动补偿;最后通过分析运动矢量统计特征,实现面向动摄像机的高速运动目标快速检测。仿真实验表明,该算法可以有效提取动摄像机条件下的高速运动目标,目标提取速度较传统算法有大幅提升。针对行为识别中提取特征区分度差的难题,本文提出基于运动矢量的异常行为特征提取方法。该方法以区域运动矢量为基础,首先提取运动矢量的方向直方图、方向熵、方向相似度、强度和帧内目标感兴趣度等帧内特征,然后提取运动矢量的直方图差和强度差等帧间特征,最后根据不同行为特征之间的差异性,提出行为特征描述子。仿真实验表明,该算法提取的帧内特征和帧间特征可以有效表示不同行为之间的差异性。针对高清视频中异常行为分类准确率低的难题,本文提出基于运动矢量特征的三级人体行为分类器。该方法以运动矢量方向熵为第一级分类特征,对当前行为是否为打架行为进行判断;对于非打架行为,以运动矢量方向直方图差为第二级分类特征,对当前行为是否为倒地行为进行判断;对于非打架和非暴力行为,以连通区域个数和行为特征描述子构成第三级分类特征,实现对奔跑、尾随和正常行走行为的判断。仿真实验表明,该算法可以实现对尾随、追赶、倒地和打架四种异常行为的有效分析,识别准确率较传统算法有较大提升。