随着网络视频数量的爆炸性增长,利用计算机视觉方法对视频中的人体行为进行识别逐渐成为了一个热点问题。最吸引人们的就是它广泛的应用领域,如军事、医疗、安全等很多方面。而需求和应用的不断增多也促使着这项技术在很短的时间内获得了迅速的发展。近几年与机器学习、数据挖掘等学科的结合更使得研究变得更加深入和全面。过程一般由目标检测、跟踪、特征描述和行为识别这几个步骤所组成。但是目前的大部分识别仍然只是基于简单的行为,很多方法也只是针对于某一特定研究方向有较好的识别效果。本文的研究主要面向基本人体行为,目的旨在通过对视频中的运动人体进行检测,对确定的运动目标计算特征来进行描述,最终实现对视频中的行为进行分类识别的效果。本文首先对人体行为识别的研究近况和热点难点进行了详细的介绍,重点提出了通过光流法结合ViBe算法对视频中运动目标准确检测的方法,以及通过多特征融合方法对人体运动视频进行有效的分类识别。具体实现过程如下,目标检测中首先利用光流法对运动目标位置进行估计,并初步排除其他光照和影子的影响,然后利用ViBe算法基于样本与随机聚集进行背景建模的特性来进一步克服光照不均匀性及光照变化,随机噪声等影响,使得运动目标的提取更加的准确。特征提取阶段,经过预处理之后分别基于原始运动目标计算SIFT算子,基于检测运动目标的轮廓计算轮廓傅里叶描述子和面积特征,并利用累加直方图实现多特征融合以提高识别的鲁棒性,最后结合人工神经网络进行分类识别。本文选择人体基本行为的KTH视频数据集作为研究对象,在Microsoft Visual Studio2010结合0penCV视觉库进行特征集合训练和分类识别,取得了比较好的识别结果,证明了方法的有效性。