随着计算机技术的不断发展,人体动作识别技术已经成为计算机视觉领域中不可或缺的研究内容。它将会在视频监控、智能监护、视频内容分析以及其他智能化领域中发挥巨大的作用。本文工作如下:(1)针对因透明性、噪声、多光源以及遮挡性等造成帧间光流法会有许多不切实际的光流点造成识别率低的问题,本文提出一种基于三维时空兴趣点与光流法检测结合的识别方法。在进行三维时空兴趣点检测时,采用高斯滤波器对空间域做滤波处理,同时采用两个正交的一维Gabor滤波器对时间域进行滤波,得到检测区域后再利用光流法进行检测得到光流图,对其进行特征提取后再做分类识别。对于KTH单人行为视频数据库,实验结果表明该方法具有更高的识别率。(2)针对LBP特征仅考虑计算单元内中心像素点与其几个邻域像素点之间的关系,而忽略了中心像素点的作用及邻域像素点间关系的问题,本文提出一种改进的LBP特征。通过引入中心像素与邻域像素点的灰度值差值取均值作为阈值,将中心像素和邻域像素的差值与阈值相比,采用了新的编码方法给出新特征。对于Weizmann和You Tube人体行为数据库,实验结果表明该方法较LBP特征方法具有更高的识别率。(3)因HOG描述子生成过程冗长和特征提取效率较慢,导致实时性大大降低,同时HOG特征与LBP特征的噪声敏感性导致识别率较低,本文提出多特征融合的人体动作识别方法。对Weizmann和You Tube人体行为数据库的实验结果显示,该方法具有较高的识别性能。