在目前的研究中,有关人体动作的识别已经取得了很大的进步,但是在处理像weizmann数据库这样的多动作周期的视频数据时,采用一般的方法,识别率偏低。本文提出了一种新的基于整体特征的方法来处理这种类型的数据。首先对weizmann数据库中的动作图像序列,针对不同的情况采用背景减除的方法分别进行动作目标检测。其次生成动作能量图像(motion-energy-image,MEI)和动作历史图像(motion-history-image,MHI)这两种静态模型,通过实验比较,采用MEI和单帧图像做为动作识别特征。第三,采用Zernike矩提取整体特征,得到MEI和单帧的特征向量。第四,提出了基于Bag of words方法的特征聚类,对已提取特征进行聚类计算得到关键点,并以关键点作为特征归类的标准,形成特征分布直方图(特征分布向量)。第五,在特征聚类的基础上提出特征融合的方法,以提高识别率。最后,采用支持向量机(Support Vector Machine,SVM)作为分类器,选用两种不同的核函数,进行动作识别。在实验环节中设计了六组不同的实验,最终的实验的结果证实本文的方法在处理多动作周期数据时有比较好的效果。