1、人體動作識別是當前計算機視覺和模式識別領域的研究熱點之一，它在視頻檢索、智能視頻監(jiān)控、人機交互、人體運動分析以及智能監(jiān)護等領域中有著廣泛的應用前景和巨大的市場需求，因此受到學術(shù)界、工業(yè)界、商業(yè)界以及安全機構(gòu)等各方面的廣泛關(guān)注。但是，由于動作樣式、拍攝視角、光照、背景等的多樣性，以及動作定義本身的模糊性，基于視頻的動作識別依然是一個極具挑戰(zhàn)性的問題。
　　本文圍繞人體動作識別中的關(guān)鍵性問題，分別從底層局部特征提取與描述、動作視頻中層

2、表示方法、大規(guī)模動作識別處理策略以及跨域動作識別方法等幾個方面進行了深入研究，主要工作如下:
　　(1)提出了有效軌跡底層特征提取方法和顏色差異特征描述。相對于傳統(tǒng)密集軌跡采樣，有效軌跡方法基于軌跡通過區(qū)域的運動和視覺顯著性對軌跡進行判定，保留真正對動作識別有用的軌跡，節(jié)省了特征存儲所需空間，提高了特征提取處理速度以及最終的動作識別率。傳統(tǒng)的特征描述普遍忽略了顏色信息，顏色差異特征利用視頻幀中局部區(qū)域與其鄰域間的顏色差異作為特征描

3、述，分空間域和時間域分別求取。實驗證明，顏色差異特征與已有的形狀特征和運動特征具有良好的互補性，結(jié)合后能夠有效的提升動作識別準確率。
　　(2)提出了一種包含時空信息的非負成分表示方法。傳統(tǒng)的視覺詞袋(BoVW)表示忽略了視覺單詞之間的相關(guān)性以及局部特征時空分布信息。本文采用基于圖正則化的非負矩陣分解算法，從底層局部特征表示中自動學習出相關(guān)視覺單詞構(gòu)成動作基元，將視頻中的動作表示成多個動作基元的組合，由此得到中層非負成分表示。同時

4、，利用混合高斯模型統(tǒng)計每個視覺單詞所對應的局部特征時空位置分布，并用時空Fisher向量對分布進行描述。通過在圖正則化項中添加時空Fisher向量，將時空分布信息融入非負成分表示之中。實驗證明，與BoVW相比，該表示方法可以有效提高動作識別準確率。
　　(3)提出了一種針對大規(guī)模動作識別數(shù)據(jù)庫的分層字典學習策略。大規(guī)模數(shù)據(jù)庫中不同類別間的差異復雜多樣，本文將相似和不相似的類別分開處理?；陬悇e之間的相似性對所有類別進行聚類，形成兩

5、層組織結(jié)構(gòu):第一層中各組差異較大，采用類特定字典學習，為每組學習一個單獨的字典;第二層是各組中較為相近的子類，采用基于Fisher判別的混合字典學習，通過混合字典抑制共有部分，放大子類之間的差別。同時，針對分層字典學習的特點，本文給出了相應的分類方法。在多個大規(guī)模數(shù)據(jù)庫上的測試結(jié)果表明，相比于不分層字典學習，該方法能有效提高大規(guī)模動作識別的準確率。
　　(4)提出了一種基于非負混合字典學習的跨域動作識別方法。利用源域和目標域已標注