人体行为识别是计算机视觉领域的重要课题之一,近年来也是备受研究者关注的一个研究方向,可以广泛应用于智能视频监控、智能机器人、运动分析等领域中。然而由于人体运动是非刚体运动,且存在外观、身形、运动习惯等的差异,使得人体行为识别的难度较大,到目前为止,还没有一种能够通用的行为识别模型,大部分的研究都是在某一特定的场景下进行的。本课题的目的是实现对人体走、跑、跳和弯腰四种行为的识别,并对识别过程中所用到的一些算法进行研究。由于运动目标检测是人体行为识别的第一步,检测结果的好坏直接影响到行为识别的结果,因此本文首先对运动人体检测算法进行了研究。分别采用了帧间差分法、统计平均法和混合高斯模型法三种运动目标检测方法进行了实验,并对各个算法的优缺点进行了分析,最后本文选定混合高斯模型法作为本文进行运动目标检测的算法。对于检测出的结果图像,本文又进行了噪声去除,并根据人体的体型特征对检测出的运动目标是否是人体进行了判别。针对检测出的运动人体,本文又进行了特征提取,并对特征提取算法进行了研究。分别采用了两种方法进行特征提取:一种是基于Hu矩的特征提取算法,另一种是基于傅里叶描述子的特征提取算法。然后基于这两种特征提取算法,建立了两个人体模型:基于Hu特征矩的人体模型和基于改进的傅里叶描述子的人体模型。最后一步是人体行为的识别,本文首先对所要识别的四种行为定义了关键帧,然后采用了等间隔采样的关键帧提取算法进行关键帧的提取,再对提取出的关键帧进行特征的提取,建立了两个基于关键帧的人体模型库,最后分别基于这两个人体模型库完成人体行为的识别,并对识别结果进行了比较分析。