停车场作为人们生活中经常出入的场所,其管理问题已经成为城市化进程中的一大难题。停车场中时有行人异常行为事件发生,因此,如何准确并迅速地识别停车场行人的异常行为,成为当下停车场管理中需要解决的难题。本文将停车场内行人的动作行为作为研究对象,提出了基于多特征融合的异常行为识别方法,主要工作如下:（1）提出了融合注意力机制的YOLOv5行人目标检测算法,解决了停车场行人目标检测准确率低,实时性差的问题。针对YOLOv5算法在快速识别目标时,存在准确率下降的不足,本文通过加入混合注意力提高YOLOv5算法检测行人目标的准确率。结果表明,该算法识别准确率较高且实时性好。（2）提出了一种基于Deep Sort改进的停车场行人跟踪方法。针对停车场中行人被车辆或其它障碍物遮挡的问题。通过Deep Sort目标跟踪方法,并结合YOLOv5目标检测算法,解决了传统目标跟踪算法因遮挡而导致跟踪准确率低的缺陷。经实验证明,该算法能有效提升行人目标跟踪的准确率,满足了实际应用中的准确率要求。（3）提出了一种基于轨迹特征与骨架特征融合的异常行为识别算法,解决了单特征识别停车场异常行为识别率低的问题。本文通过Alpha Pose模型提取行人的姿态关键点信息,结合目标跟踪过程中获取的轨迹信息,利用多特征融合方式对停车场的行人行为进行表征,并用多层感知机算法分类。其中正常行为包括:走路,跑步、相遇;异常行为包括:摔倒、打架、追逐。实验结果证明,异常行为的识别率达91.45%,能够很好地识别异常行为。本文设计了一种多特征融合的停车场行人异常行为的识别算法,解决了停车场行人异常行为识别率低,实时性差的问题,并在实验中验证了所提出算法的可行性。