随着治安问题日趋严重,公共场所普遍安装了视频监控系统,智能安防监控已成为计算机视觉领域的一个研究热点。利用智能视频监控系统可以识别不同的物体,发现监控画面中的异常情况,同时能够以最快和最佳的方式发出警报并提供有用信息,从而有效地协助监控人员及时处理突发事件,最大限度地降低损失。本文基于“无线移动基站安防系统”项目针对安防监控中运动人体检测、行为特征提取、行为序列分割以及人体行为模式分类进行了研究,主要研究内容如下:从理论和实际应用的角度出发,对运动目标检测算法进行了深入的研究。在对比分析了帧差法、光流法以及背景减除法的优缺点之后,采用混合高斯背景建模的方法来提取运动目标。针对混合高斯背景建模中高斯分布个数固定,存在资源浪费的缺点,采用了根据背景变化情况自适应选择高斯分布个数的方法,并对二值图像进行后期的优化处理,取得了较好的检测效果。基于目前大部分行为分析算法都是建立在单个行为模式的基础上这个现状,本文深入研究了行为序列分割算法。对比分析了人体轮廓特征、人体区域特征以及时空特征的优缺点,并在基于视频序列突变点或者间断点方法的基础上提出了根据行为时空特征的本征维数变化进行行为序列分割的方法:首先,采用网格法提取时空特征向量;然后,基于奇异值分解(SVD)估计特征向量的本征维数,确定数据对应的低维流形,并通过检测特征数据在该流形上的投影误差的突变实现行为序列分割;最后在Weizmann数据库上进行了验证,取得了较好的分割效果。针对性地研究了隐马尔可夫模型(HMM)的基本定义以及基本算法,有效地解决了隐马尔可夫模型的三个基本问题:评估问题、解码问题和学习问题。通过KTH数据库验证了基于HMM行为识别的有效性,进而对本文的分割结果进行识别,并与Weizmann数据库的识别结果进行了比较。实验表明了本文分割算法和识别算法的有效性。