1、人體行為識(shí)別技術(shù)是指計(jì)算機(jī)通過分析視頻序列，實(shí)現(xiàn)計(jì)算機(jī)自動(dòng)檢測(cè)視頻圖像中的人體行為并識(shí)別行為具體類型的過程。行為識(shí)別的本質(zhì)是時(shí)變數(shù)據(jù)的分類問題，論文通過研究室內(nèi)日常生活中人體行為的特點(diǎn)，在對(duì)比分析現(xiàn)有行為識(shí)別算法的基礎(chǔ)上，針對(duì)室內(nèi)場(chǎng)景，重點(diǎn)就特征提取和行為分類兩個(gè)方面展開研究，主要研究成果如下：
　　（1）特征提?。横槍?duì)底層局部時(shí)空特征數(shù)量少以及中層特征表達(dá)能力弱的問題，結(jié)合視頻深度信息提出一種用于行為識(shí)別的時(shí)空深度特征(Spat

2、ial Temporal Depth Feature STDF)。該特征依據(jù)運(yùn)動(dòng)劇烈區(qū)域在行為識(shí)別中提供更多的判別信息的思想，利用視頻圖像的深度信息確定人體運(yùn)動(dòng)顯著性區(qū)域，通過計(jì)算區(qū)域內(nèi)光流特征作為度量區(qū)域活躍度的能量函數(shù)，依據(jù)能量函數(shù)對(duì)運(yùn)動(dòng)顯著性區(qū)域進(jìn)行高斯取樣，使樣本點(diǎn)分布于運(yùn)動(dòng)劇烈區(qū)域。將采集到的樣本點(diǎn)作為動(dòng)作底層特征描述人體行為，利用詞袋模型完成中層特征表達(dá)。實(shí)驗(yàn)中，提取 STDF特征后利用支持向量機(jī)分類器對(duì)行為進(jìn)行識(shí)別。實(shí)驗(yàn)結(jié)

3、果表明，在SwustDepth數(shù)據(jù)集中，基于時(shí)空深度特征的人體行為識(shí)別算法的平均行為識(shí)別率達(dá)92％。
　?。?）無監(jiān)督式實(shí)時(shí)連續(xù)行為識(shí)別：針對(duì)現(xiàn)有的行為識(shí)別算法多是只能對(duì)已經(jīng)分割成單一行為的視頻片段進(jìn)行識(shí)別的不足，提出了一種結(jié)合譜聚類和主題模型的無監(jiān)督式行為識(shí)別算法。算法利用譜聚類生成視覺單詞，避免傳統(tǒng)聚類（K-means等）方法所導(dǎo)致的局部極值和初值敏感的問題。利用譜聚類生成詞袋模型中視覺單詞，將視覺單詞作為主題模型的輸入，用于