基于视觉的人体行为检测识别由于日益扩大的需求而迅速发展,成为计算机视觉以及人工智能研究领域的一个热点。它在智能视频监控、虚拟现实、运动分析、智能家居应用、用户接口等多个方面都具有非常广泛的应用前景。由于人是非刚性物体,有着太多的自由度,所建的人体模型有时不能准确地表达真实的人体。而且由于计算机视觉领域的不成熟以及复杂多变的外界环境,这些都给人体行为的检测识别研究带来了诸多的挑战。本文在对人体行为检测识别的主流算法的分析基础上,分别对运动人体的检测、特征的提取、行为的识别等三方面进行了深入的研究,主要研究工作和成果如下:1.在广泛查阅和综述了相关国内外文献的基础上,提出了一种基于改进混合高斯模型和对称差分相融合的运动目标检测算法。该算法以混合高斯背景减除法为基础,针对刚开始背景模型建立比较慢的缺点,改进了背景模型的更新学习率,并结合对称差分法,实现对运动人体的检测。实验证明,该算法能够准确实时地检测到场景中的运动人体。2.介绍了人体行为特征选择与提取的关键性与重要性。引入了形状描述算子R变换。R变换具有对噪声、空洞不敏感,鲁棒性好的特点,并具有平移、缩放不变的性质,但不具有旋转不变性。进一步改进了R变换,使其具有旋转不变的性质,更好地应用描述人体行为特征。使用主成分分析(PCA)降维算法,对改进R变换所提取出的特征进行降维,为下一步的人体行为识别做准备。3.使用处理时序信号有效的隐马尔可夫模型(HMM)方法,作为分类器对人体行为进行识别。实验证明,改进的R变换比未改进的R变换具有更高的识别率。针对多状态隐马尔可夫模型复杂度高以及状态转移概率具有假设不准确的缺点,使用单状态隐马尔可夫模型提高了行为的识别率。4.设计实现了一个基于视觉的人体行为检测识别系统,用来验证上述的研究内容。该系统具有视频录制与读取、运动目标检测、特征提取和人体行为识别等功能。5.最后,对全文进行总结,并对进一步的研究提出一些展望。