基于视频的人体动作识别是计算机视觉领域一个热门研究方向,其目的是使计算机系统能够自动分析和识别视频中的人体动作,主要用于视频智能监控与人机互动等场合。动作识别的关键在于对运动特征的描述,而协方差矩阵能够准确地表示这一特征,并反映图像特征的统计变化,进而对运动信息的变化强度进行度量。因此本文重点研究了一种基于协方差矩阵的动作识别算法,主要内容包括全局特征、局部特征以及动作的表示与分类三个方面,具体如下:(1)研究了一种动作特征的提取算法。该算法首先把动作视频分成相互重叠的若干段,以每一段中运动人体的HOF特征为样本计算协方差矩阵,并从中提取相应的全局特征。然后对上述全局特征进行稀疏编码,并将计算得到的稀疏系数直方图作为视频的特征向量。(2)研究了一种局部时空特征的提取算法。该算法通过对视频进行密实采样,得到大量时空立方块,计算立方块的协方差矩阵,并从中提取局部时空特征。本文重点研究了两种计算协方差矩阵的方案,一种是基于多种图像特征的,另一种基于单一图像特征,并对两种方案进行试验对比,结果表明基于多种图像特征的方案具有较高的识别率。此外,还对不同图像特征下的像素描述子进行了研究。(3)研究了动作的表示与分类方法。首先利用动作视频的描述子学习一个过完备字典,然后对所有的描述子进行稀疏编码得到编码系数,结合空间金字塔模型对编码系数进行池化,得到动作视频的特征向量。最后使用基于不同核函数的SVM对上述获得的人体动作特征进行分类,以检测不同核函数的动作识别率。本文算法主要使用MATLAB R2012a实现,并在KTH与UCF Sports数据库上测试。从算法的测试结果上看,本文基于协方差矩阵的动作局部特征识别方法具有较高的性能。