近几年来智能视频检测系统得到了广泛的关注和发展，但是视频监控下的行人行为分析仍然是一个复杂并且有待于进一步研究的领域。针对小区、办公大楼等环境进行可疑人员检测是视频监控的一个重要分支，本文在国内外现有技术的基础上，提出一种基于行为模式的可疑人员检测方法。一般来说，进入大楼内办公人员从大门进入后会走向自己所在的办公区域，然后进出自己的办公室，而可疑人员如小偷则会在各个楼层的各个办公室门口出现。依据概率统计学，我们可以定义可疑人员的行为模式为同一个人在一定时间内出现在不同楼层的不同位置。本文利用入口处的摄像头对所有进入大楼的人员进行样本采集并分类训练，建立样本库。然后对各楼层视频监控中的行人进行提取，并与样本数据进行比较，判断这个人是否在样本库中，并判断此人出现的次数及位置，对于出现频次较高的行人，我们把他视为可疑人员。本次实验的视频取自实验室大楼的监控设备。论文首先采用自适应混合高斯模型背景减除法来进行前景-背景分割，从而提取出运动目标，对提取出的目标通过形态学等操作去除噪声、空洞填充提取出主要运动目标。由于实际监控场景存在高光区、墙、脚下阴影等，提出的运动目标可能包含非行人的部分，本文采用HOG梯度特征的方法，提取图像中的行人，去除上一步未能排除的背景部分，获得行人在图像中的位置。由于普通监控设备采集的视频图像的质量和分辨率都非常低，提取出的行人轮廓并不准确，因此采用GrabCut算法对行人的轮廓进行更准确的提取。论文采用颜色直方图作为提取出行人的特征表示，利用SVM对入口处摄像机采集的行人样本数据进行训练，建立样本库，之后对其他位置摄像机采集的行人与样本库进行匹配分析。实验验证了在低分辨率监控视频下本文所提出的行人提取方法的和人员分类方法的有效性，此方法基本可以实现对不同行人的区分，记录行人出现的次数和位置，达到可疑人员检测的目的。