安全的环境是人们进行正常生产生活的保证，尤其是在当今越来越快的社会发展节奏下，安全问题更加受到人们的重视。因而如何让安全监控在无人参与的情况下，独立完成对场景内各种运动物体的检测和对异常行为的自动报警，成为当前研究的热点。本文主要对视频流中运动目标的检测方法，以及运动物体的异常行为分析技术进行了研究。在对运动目标检测的研究过程中，首先介绍了当前常用的几种运动目标检测方法，分析了各种算法的优劣。然后重点研究了利用混合高斯模型检测运动目标时，模型参数的选取对检测结果的影响，确定了最佳的阈值设置。针对混合高斯模型在实际运用当中存在的问题，提出了一种改进的混合高斯模型算法，通过结合均值法来初始化背景模型、为前景像素数添加计数器和对前景区域进行再处理，有效地消除了传统混合高斯模型在光线突变时产生大量误检的现象。最后对本文提出的算法在检测运动目标时的有效性进行了实验验证。从人体在行走过程中姿势、速度和方向的异常等方面，定义了正常直立行走时的三类异常行为，针对目标运动过程中行为动作的特点，分析和提取了运动目标外接矩形宽高比、运动目标的运动速度和运动方向三种运动特征，并研究了这三种运动特征对运动目标的行为动作描述的准确性和可靠性。在异常行为检测分析的研究部分，运用提取的特征对异常行为进行描述，研究了三个运动特征的阈值选取对异常行为检测结果的影响，确定了各个特征的最优阈值范围，最终将三个特征结合起来检测异常行为，处于正常阈值范围内的动作就被判定为正常行为，在正常阈值范围之外的动作判定为异常行为。分别研究了使用单个特征和综合特征检测异常行为的算法，并对检测结果进行分析。实验结果表明，多种特征相结合的检测方法能够有效地把正常直立行走中出现的弯腰、跑动、展臂和起跳等异常动作检测出来，检测率达94%，能够满足实际应用的需要。