人体异常行为监测是人工智能领域的一个重要研究方向,近年来引起机器视觉领域研究者的很大的兴趣。人体异常行为识别包括从视频序列中抽取相关的视觉信息,并用一种合适的方式进行表达,最后解释这些信息以实现识别和学习人的行为,研究人体的行为模式将为人们的生活带来全新的交互方式。目前人体行为识别的研究发展比较缓慢,有待进一步的研究学习。本文在睡眠呼吸监测系统基础上增加了基于计算机的视频监视系统,是对睡眠呼吸分析系统的丰富和补充。针对睡眠呼吸系统综合症病人睡眠过程中多动的特征,进行实时的监测,并利用图像处理技术识别病人的躺着、坐起、站立的姿势,使得医疗人员能够在无人值守的情况下更详细的了解病人整夜睡眠过程中的行为,为医生尽快的诊断病情,制定治疗方案提供了可靠的数据资料。当病人做出坐起、站立的异常行为时视频监测系统还会实现报警功能。本文研究的主要内容包括以图像处理、图像分析理论为基础,对国内外关于人体行为识别领域的相关算法进行了研究和比较;分析了运动目标检测领域比较常用的帧间差分方法和背景差分方法,对它们各自的检测效果做了分析比较,针对帧间差分方法精度不高、单高斯背景更新速度太慢的缺点,提出了一种结合了改进的帧间差分的三帧差分和背景差分法的运动目标检测算法,背景的更新采用Surendra背景更新算法。该方法能够满足本课题的实时性要求,由此方法检测出来的前景效果也很好。与单一的帧间差分方法和背景差分方法相比较,背景差分方法和三帧查分方法的结合保留了两者优点的同时去除它们各自的缺点。在检测出视频数据中的前景信息之后,通过去除噪声,向下采样等一系列的处理,需要对睡眠呼吸系统综合症病人所做出的行为进行分析解释,结合病人的症状及本课题要实现的无人值守的视频监测的目的,本文定义病人的坐起和站立为异常行为,对人体躺着、坐着、站着姿势的识别是通过这三种姿势的特征建立动态矩形模型,然后通过对矩形的参数进行分析判断,来实现对人体的姿势进行识别,在检测出异常行为后除了要在显示器上显示出病人当前的状态,还会通过编程启动蜂鸣器,发出报警来通知医护人员。实验结果标明,该视频监测系统能够实时的实现人体姿势的识别,完成异常行为的报警。