1、人體動作識別是計算機視覺領域的一個重要研究課題，它涉及到圖像處理、模式識別、統(tǒng)計學習等多個學科的知識。近年來，人體動作識別因其廣闊的應用前景而受到廣泛的關注。動作識別的主要任務是對由計算機視覺設備所采集的圖像序列進行處理和分析，建立底層視覺特征與高層語義之間的對應關系，從而達到理解圖像序列中的人體動作的目的。
　　動作識別包含動作描述和動作分類兩個主要步驟。動作描述就是從視頻中提取有效的信息來對動作進行表示，而動作分類則要對所提取

2、的特征設計合適的分類模型。其中，動作描述是動作識別中最為關鍵的一步，根據(jù)動作描述方法的不同可以將動作識別分為三類:基于人體模型的方法，基于全局特征的方法和基于局部特征的方法。
　　本文主要使用了基于全局特征和局部特征的兩種方法對人體動作進行識別。在全局描述方法中，為了有效的對人體區(qū)域進行提取，本文根據(jù)不同的數(shù)據(jù)庫分別采用了基于梯度方向直方圖特征的人體檢測方法以及本文新提出的基于空時濾波器的背景去除方法。本文使用的兩種檢測方法均能在

3、各自的數(shù)據(jù)庫上達到較好的檢測結果。在使用局部特征進行分類時，本文根據(jù)所用的局部特征描述算法提出了一種與該特征描述相匹配的特征點檢測和選擇的方法。實驗結果表明本文方法所檢測到的關鍵點與經(jīng)典的檢測方法相比包含更多的相應于該局部特征的動作信息。
　　在特征提取完成后，本文首先通過建立視覺詞袋模型得到每一個視頻的視覺詞袋描述。然后，本文分別采用留一交叉驗證法和多分類的支持向量機對該視頻描述集合進行分組和分類。實驗結果會通過混淆矩陣詳細展示