1、近幾十年來，隨著多媒體技術的快速發(fā)展，計算機視覺技術在軍事，醫(yī)療，制造業(yè)等領域中得到了廣泛的應用，同時也促使了模式識別、人工智能、機器學習等相關學科的進一步發(fā)展。人體行為識別作為計算機視覺研究領域中的一個備受關注的研究課題，在軍事和民用領域有著廣泛的應用前景和實用價值，如智能視頻監(jiān)控、視頻檢索、虛擬現實、人機交互等。盡管當前對行為識別的研究取得了一定的成就，但是還沒有一種可以通用的行為識別方法，在行為識別領域中依然面臨著許多困難與挑戰(zhàn)。

2、
　　本文研究的是單人行為的識別方法，即通過對視頻中的目標行為進行合理的描述，實現對該行為的分類。論文介紹了當前行為識別技術的研究現狀與基本理論，并針對傳統(tǒng)識別方法僅使用底層視覺特征進行識別的不足，提出了一種基于動作屬性的人體行為識別方法。算法分為訓練動作屬性分類器、建立識別模型兩個階段。在訓練動作屬性分類器階段，首先提取視頻中的時空興趣點及興趣點的3D-SIFT局部時空描述符，用詞袋的方法建立時空詞典直方圖對視頻行為進行表示，生

3、成底層特征樣本集。然后根據預定義的動作屬性將部分底層特征向量貼上屬性標簽，并使用支持向量機對其進行訓練，生成動作屬性分類器組。在建立模型的過程中，將未貼上屬性標簽的底層特征樣本經過動作屬性分類器組后得到對該行為的屬性預測，利用這些預測信息對以屬性、行為變量為節(jié)點的貝葉斯網絡進行結構學習與參數學習。最后在進行識別測試時，首先用動作屬性分類器組預測出待識別行為的屬性分布，然后用先前訓練好的貝葉斯網絡模型對其所屬的行為進行預測，將取得最大概率