现如今，社会高速发展，面临的突发事件越来越多，人们对智能化和安全的需求也越来越强烈，智能视频监控成为计算机视觉领域的重要研究课题之一。而在智能视频监控的应用中，涉及人或车辆的监控，是最为典型和热门的，它具有一个广泛的应用前景，本文就是针对智能监控中的人体异常行为进行识别。异常行为的定义通常是要根据所在的场景和要求才能具体确定，本文把晕倒定义为异常行为，而行走、弯腰和下蹲这样的行为定义为正常行为，这种异常行为的识别在容易发生踩踏的人口比较密集的场所、人流量比较小的场所、停车场等地，以及需要监护的老人、小孩的家庭等都显得很有必要和意义。最终得到了较高的识别率。　　本文对识别过程中的一些算法进行了研究。通过研究中值滤波和混合高斯模型两种运动目标检测方法，并进行实验和分析，最后将中值滤波和混合高斯模型进行结合来作为本文进行运动目标检测的算法，得到了较好的效果。对于检测出的结果，本文进行了阴影消除、膨胀、腐蚀、连通性分析和归一化等一系列后处理，为后面的研究奠定了基础。采用改进的K均值聚类的关键帧提取算法进行了关键帧提取，减少了运算量。之后本文又对特征提取进行了研究，采用了三种方法进行特征提取:基于Hu矩的特征提取算法、基于改进的傅里叶描述子的特征提取和基于这两种特征融合的特征提取方法。最后，采用条件随机场、隐条件随机场以及改进的条件随机场三种模型，分别基于三种特征进行识别，并对识别结果进行了比较分析。