人体行为识别的研究在计算机智能、虚拟现实等领域具有广阔的应用前景。在当今热门的人机交互系统以及日趋重要的视频监控系统中，人体行为识别技术显得尤为重要，极具现实意义。本文从人机交互技术和智能视频监控两个领域对人体行为识别展开研究，核心思想是探索空间角度信息来实现人体行为识别。主要工作如下:　　提出了一种基于深度直方图的阈值分割算法来检测运动目标。另一方面，提出了一种图像显著性检测与背景减法相结合的算法来实现运动目标的提取。该环节为后续研究做好必要准备。　　提出了一种基于深度传感器提取人体骨骼空间角度信息的行为识别方法，研究了人体骨骼结构、骨骼关节点的位置信息以及人体动作所具有的骨骼角度特征，较好的实现了人机交互中的人体行为识别。该方案基于Kinect深度传感器，首先实时准确地捕获人体骨骼三维数据，并根据坐标系变换构建人体骨骼拓扑结构;然后提取人体行为所感兴趣的骨骼关节点，定义骨骼向量;最后提取每段骨骼向量的方向余弦特征，以及骨骼与骨骼之间空间夹角的余弦特征。实验结果表明，探索空间角度特征去描述人体行为具有很高的有效性，鲁棒性强。　　提出了一种基于时空直方图特征的人体行为识别算法，该算法较好的实现了监控视频数据中的人体行为识别。该方案首先引入时间维度构建三维时空概念，探索时空中梯度方向和角度信息，由梯度方向经过空间中不同的区域形成时空直方图特征;然后采用图像显著性检测算法来获取人体行为轮廓，并从轮廓图中提取二维轮廓特征;最后将上述两类特征结合，并输入支持向量机进行训练以及人体行为识别。实验结果表明，相比于其他特征描述的方法，该方案对人体行为的特征描述更丰富，识别准确率更高。