1、無論從安全、監(jiān)控、娛樂或者是個人記錄的角度來說，人體的動作識別問題作為一個研究方向都具有重要的學(xué)術(shù)價值和實(shí)用價值。近年來，動作識別領(lǐng)域得到了快速發(fā)展。但是，復(fù)雜背景下的動作識別并沒有得到高度重視，因此，本文注重研究復(fù)雜背景下的動作識別。
　　針對現(xiàn)有動作識別方法的不足，本文提出了隨機(jī)取樣來進(jìn)行動作識別的方法。同時，由于隨機(jī)取樣又會增加識別的隨機(jī)性，本文又對隨機(jī)取樣策略進(jìn)行優(yōu)化，盡量減弱取到的patch的隨機(jī)性,增加取樣到的patc

2、h的信息量，也就是盡可能在取少量patch的情況下，使這些patch更能代表這類動作的鮮明特征。
　　本文提出了如下方法：
　　首先，提出了一種帶有時空信息的patch。此種patch既包含隨機(jī)選取的patch的前后時間關(guān)系，也包含該patch的空間關(guān)系，表現(xiàn)力得到大大增強(qiáng)，在增加了有限的時間同時，攜帶了更多的信息。
　　然后，將隨機(jī)取樣方法應(yīng)用在動作識別上。與帶有時空信息的patch共同使用，降低了實(shí)驗(yàn)時間，同時不影

3、響識別準(zhǔn)確率。本文通過進(jìn)行三次隨機(jī)采樣實(shí)驗(yàn)來消除偶然性，并取三次實(shí)驗(yàn)的平均準(zhǔn)確率和平均偏差作為實(shí)驗(yàn)的準(zhǔn)確值和偏差。還通過實(shí)驗(yàn)確定了每段視頻的采樣數(shù)量。
　　最后，針對隨機(jī)算法的一些缺點(diǎn)，提出了盡量減少方法的隨機(jī)性的改進(jìn)策略。為此，定義了一個用于表示某個patch中的運(yùn)動劇烈程度的變量。通過此變量與堆排序算法的共同作用，優(yōu)化后的取樣策略盡量減弱了取到的patch的隨機(jī)性，增加了取樣到的patch的信息量。
　　本文說明了合理應(yīng)