针对复杂场景中行人异常行为检测问题，提出一种基于姿态表征的轻量化行人异常行为检测算法。使用姿态估计网络预测行人关键点信息，通过引入无迹卡尔曼滤波器，对因噪声干扰或数据丢失导致的关键点特征进行补全，确保姿态数据的完整性。将关键点特征转换为更具表达力的角度和距离特征，有效表征人体运动的几何和运动学特性，并使用轻量化分类模型对提取的特征进行异常行为判定。实验结果表明，与现有算法相比，所提算法在复杂场景下的检测准确率达到95.8%,在异常行为检测方面具有较高的精度优势。