生物行为感知的目的在于获取人体运动的行为线索，并对人体动作行为进行分析与理解，在智能监控、人机交互和智能环境等领域发挥着重要作用。　　 生物行为特征获取是运动行为感知的重要基础。传统的人体生物行为特征提取是一种在信息获取的基础上被动处理冗余或无效信息的模式，本质上是完成从高维感知数据空间到低维特征空间的映射，无法避免冗余或无效信息获取和处理产生的资源开销。　　 本论文探索采用压缩采样支配的数据获取机制，将红外热释电传感器(Pyroelectric Infrared，PIR)的运动探测功能与菲涅尔透镜阵列(Fresnel Lenslet Array，FLA)的视场(Field of View,FOV)调制机制相结合形成特征获取的物理实现手段，实现生物行为特征的获取和身份识别。　　 本文的主要工作包括：　　 1.在生物行为特征获取方面，针对人体运动的分层递阶结构特点分别提出基于侧视视角、顶视视角、多视角融合三种压缩红外特征传感模型，由此形成的分布式传感模型可以灵敏地获取人体分层递阶的运动线索，进而得到更具判别表达能力的个性化特征，以作为人体识别的依据。　　 2.在生物行为特征识别方面，分别使用矢量量化(VQ)、高斯混合模型(GMM)方法实现身份的认证。采用VQ的特征训练算法，为每一个人的训练样本分配一组码书作为其生物信息模版。在测试阶段，采用数据库中的每一个码书重建测试样本，将最小失真率作为分类准则。采用GMM的特征训练算法，利用对每个人的样本训练，并分配一组GMM模型作为生物信息模版。在测试阶段，采用数据库中的每一个模型作测试样本的最大似然概率估计。