人体行为分析是当前计算机视觉以及模式识别领域中的研究热点之一，它在智能监控、医学以及电子游戏等方面的应用十分广泛。本文针对人体行为分析系统中的几个主要内容进行了研究，并对现存的一些问题提出了改进方法，本文的主要工作如下：首先，提出了一种基于帧差法的人体运动检测及人体轮廓和内部骨架提取算法。为改善运动人体检测的效果，提出了基于极值抑制的方法。实验表明，引入极值抑制后，一些干扰区域被抑制，检测效果较好。其次，提出了四种针对粒子滤波中人体运动跟踪误差较大的解决方法，分别为细化目标特征的更新、修正粒子滤波预测值、调整颜色直方图和宽度特征权值分配以及调用运动人体检测数据库。仿真结果证实了该算法的有效性。第三，提出了基于非负矩阵分解（Non-negative Matrix Factorization，NMF）和粒子滤波的人体运动检测和跟踪方法。根据非负矩阵分解结果非负的特点，分别通过NMF和分块非负矩阵分解（Brick Non-negative Matrix Factorization，BNMF）对图像的阴影区域进行检测，从而实现人体与阴影的分离；基于NMF对粒子滤波初始化阶段进行特征表示，并结合NMF的特点在粒子搜索阶段给出了新的相似性度量公式。实验表明，该方法跟踪精度高且运行速度达到要求。第四，提出一种基于图像整体宽度特征的人体行为识别方法。通过在判别函数中引入最大宽度、中间宽度、平均宽度三种参数，基于系统聚类提取视频的关键帧，同时采用单帧图像表示一类图像、同类相邻帧图像合并等方式对算法进行优化。实验表明该方法能有效提高识别精度与速度。最后，提出了一种基于动作序列判定的异常行为检测算法。首先求取人体行为的动作序列，而后通过分析测试样本的动作序列次序和动作类别实现行为判定。实验表明，该方法不仅可以对异常行为进行有效检测，而且能够找出异常行为中的异常动作。