1、隨著現(xiàn)代技術(shù)的發(fā)展，人們對智能化生活的要求越來越高，計(jì)算機(jī)視覺和模式識(shí)別技術(shù)作為推動(dòng)人類生活智能化的重要技術(shù)，獲得廣泛關(guān)注并取得快速發(fā)展。作為計(jì)算機(jī)視覺重要研究方向的人體動(dòng)作識(shí)別技術(shù)涉及到多個(gè)領(lǐng)域，具有巨大的使用價(jià)值和應(yīng)用前景，無數(shù)研究工作者針對這個(gè)課題進(jìn)行了大量研究，該課題已發(fā)展成為當(dāng)前最熱門的研究課題之一。
　　早期動(dòng)作視頻處理技術(shù)都是基于彩色RGB圖像的視頻處理方法，由于彩色圖像均由二維數(shù)據(jù)構(gòu)成，圖像易受光照影響，處理程序繁

2、瑣且效果不佳，所以尋找新的圖像表征方法成為人們的共識(shí)。Kinect深度傳感器的出現(xiàn)使我們能夠獲得深度圖像，深度圖像包含圖像深度信息和人體骨骼點(diǎn)信息。本文基于Kinect提取的骨骼點(diǎn)信息，對人體動(dòng)作識(shí)別方法進(jìn)行以下研究，主要內(nèi)容包括：
　　第一，闡述人體動(dòng)作識(shí)別課題的研究背景和意義，分析當(dāng)前國內(nèi)外人體動(dòng)作識(shí)別領(lǐng)域現(xiàn)狀和尚待解決的問題。掌握動(dòng)作識(shí)別的具體流程，深入分析目標(biāo)檢測、特征表示、特征提取和分類識(shí)別等主流方法的優(yōu)缺點(diǎn)。認(rèn)識(shí)并研究

3、了當(dāng)前已有的人體動(dòng)作數(shù)據(jù)庫以及Kinect工作原理。
　　第二，本文提出了一種基于骨骼局部空間特征的人體動(dòng)作識(shí)別算法。該方法首先通過骨骼數(shù)據(jù)提取人體骨骼關(guān)節(jié)點(diǎn)的空間位置差特征、空間角度特征和關(guān)節(jié)夾角特征，并進(jìn)行歸一化，然后將得到的特征送入隱馬爾科夫模型分類器進(jìn)行分類和識(shí)別。通過在MSR3D Action數(shù)據(jù)庫上仿真實(shí)驗(yàn)，證明該方法對于較復(fù)雜的動(dòng)作序列的有較好的識(shí)別效果，并且在高難度的交叉測試中相對已有方法識(shí)別率有所提高。