随着计算机硬件设备的不断升级以及人们对公共场所的安全需求不断提升，智能视频监控系统的重要性日益凸显。

而智能视频监控中的两个最基本的问题，行人检测与异常行为分析，也逐渐成为了计算机视觉领域的研究热点。

1.人体行为识别系统 人体行为识别方法主要分为两部分，首先进行运动目标检测提取出运动人体轮廓，然后通过分析数据得出运动人体的行为。

在运动目标识别上通常用的方法有背景减除法和时间差分法，背景减除法是指利用当前图像与背景图像的差分来检测出运动区域。

背景减除法适用于摄像机静止的情况，它能够完整分割出运动对象，却容易受光线、天气等 光照条件的变化，前景目标短暂或长久的闯入和移出，背景自身的运动(如树叶摇动)等因素的影响。

尽管如此，在实时监控系统中背景减除法仍是运动目标检测的最常用方法。

时间差分是指在连续的图像序列中两个或三个相邻帧间采用基于像素的时间差分并且阈值化来提取出图像中的运动区域。

2.支持向量机 支持向量机（SVM）的主要思想可以概括为两点：首先，它是针对线性可分情况进行分析，对于线性不可分的情况，可通过使用非线性映射将低维输入空间的样本映射到高维属性空间使其变为线性情况，从而使得在高维属性空间采用线性算法对样本的非线性特性进行分析成为可能；其次，它通过使用结构风险最小化原理在属性空间构建最优分割超平面，使得分类器得到全局最优，并使整个样本空间的期望风险以某个概率满足一定上界。

线性分类器(一定意义上,也可以叫做感知机) 是最简单也很有效的分类器形式.在一个线性分类器中,可以看到SVM形成的思路,并接触很多SVM的核心概念。

用一个二维空间里仅有两类样本的分类问题来举个小例子。