1、人體行為識別是人工智能與模式識別領域內一個新興的研究方向，具有極其廣泛的應用前景。本論文針對人體行為識別中的圖像預處理、行為表征、特征降維以及行為分類等關鍵技術進行研究，提出了適用于可見光與紅外成像、可穿戴傳感的行為識別方法，獲得了較好的識別效果。論文取得的主要創(chuàng)新性成果如下：
　　 (1)高質量的圖像預處理是行為識別研究的基礎。面向可見光、紅外雙波段視頻監(jiān)控應用，提出了一種雙波段彩色圖像融合算法，并考察了圖像融合對于人體目標跟

2、蹤性能的影響。將可見光與紅外圖像在NSCT域內進行自適應融合，并將融合圖像賦予YUV顏色空間的亮度通道，進一步通過顏色傳遞可獲得具有自然色彩視覺效果的彩色融合圖像。實驗結果表明，該方法可提高人體目標的可探測性，豐富融合圖像的細節(jié)信息，增強觀察者對監(jiān)控場景的感知，為計算機視覺分析提供更高質量的源圖像；此外，雙波段圖像融合能夠提高對人體目標跟蹤的準確度和魯棒性。
　　 (2)提出了一種基于外觀表征和多類相關向量機的行為識別方法。建立

3、了一種新的時空模板：能量變化圖，并在此基礎上提取反映人體形狀信息和運動信息的行為特征；首次將多類相關向量機引入行為識別領域，用于對多類行為的分類識別。在Weizmann行為數據庫上進行了測試，采用“Constructive”結構的多類相關向量機獲得的識別率達98.2％，且表現出優(yōu)異的特征樣本稀疏性。與其它一些典型的識別方法相比，本文方法在行為特征的復雜度和識別率方面均具有明顯優(yōu)勢。進一步分析表明，不同方法間識別性能間差異主要源自于特征選

4、取方式和分類方法選擇上的不同。
　　 (3)提出了基于視覺特性的行為識別方法，并首次將Gabor類小波應用于紅外成像人體行為識別。采用Gabor小波，對行為的能量變化圖進行多尺度、多方向性描述。為了減少頻帶覆蓋所需的分解層數，并更好地刻畫行為的細節(jié)特征，進一步采用了性能更為優(yōu)越的Log-Gabor小波。針對行為識別中面臨的高維特征問題及訓練過程中的小樣本問題，分別采用了主元分析方法和鑒別共同向量方法對Gabor類特征進行降維。在

5、重慶大學構建的紅外行為數據庫上進行測試，獲得的識別率達94.44％。此外，還考察了Gabor小波類別、特征降維方法及分類器的選取對識別性能的影響，驗證了本文方法的設計合理性。
　　 (4)對可穿戴傳感行為識別進行研究。針對行為傳感中存在的高維數據問題，首次將廣義判別分析方法應用于可穿戴傳感行為識別，提出了一種新穎的行為識別方法。對提取的時頻域行為特征，采用廣義判別分析方法進行降維，并構建組合相關向量機實現對多類行為的分類。在WA