人体异常行为检测属于人体行为识别的范畴， 即对特定应用场景下的行为进行识别和检测。
人体行为识别主要分为特征提取和分类识别两部分。特征提取是在视频数据中提取能够表征行为动作的特征。分类识别则是将提取出的特征向量输入到分类器中进行学习建模，然后使用学习到的模型判定测试视频序列中的行为动作类型。
数据集
UCF Sports数据集
UCF Sports数据集包含从各种体育频道和互联网视频网站上收集到的视频序列。
Hollywood数据集
样本来源于不同的电影，含有人体姿态、着装、光照和遮挡等方面的变化
异常行为数据集
包含行走跌倒、站立失衡跌倒、静坐起身跌倒
InfAR红外行为识别数据集
ＩｎｆＡＲ红外行为识别数据集在红外条件下拍摄，包含打架、拍手、握手、慢跑、拥抱、
双腿跳、单腿跳、拳击、推搡、单手挥舞、双手挥舞和走路等１２种日常行为
人体行为识别研究
人体行为运动会直接引起图像中的人体几何轮廓呈现规律性变化，故可通过人体几何特征进行分析和 设计表表征人体行为运动特性的几何特征，以达到识别动作的目的。
首先对视频中的人提取人型轮廓，然年后根据所得轮廓计算人体重心和四肢及头部顶点，并将其组成星状图来表征当前人体姿态，同时有重心与顶点构成的适量作为特征向量。
