人类的动作识别作为行为理解的一个方面,逐渐成为计算机视觉研究中一个比较热点的课题之一。同时由于动作识别的复杂性,因此对其的研究还尚在起步阶段。目前已有的一些方法主要是采用单一特征进行动作识别,而本文将采用兴趣点和形状特征相结合的方法来实现对一些特定场景下的动作识别。本文主要研究了使用兴趣点和形状特征的方法来进行动作识别问题,具体涉及到有如下几个方面：目标区域的提取,特征的提取,行为类别的识别。本文中特定场景下的行为识别过程主要分为以下几步：首先对场景中的运动区域进行提取,主要采用了高斯混合模型的方法得到背景模型,然后使用背景差的方法获得运动区域；接着对目标区域提取质心变换的特征和时空兴趣点的特征,通过质心变化对一些特定动作做区分。对不易区分的动作做进一步的运动特征提取,在兴趣点周围提取基于3维梯度的时空描述子；对描述子做聚类操作,得到一个code-book,从而得到每个视频的描述于；然后采用支持向量机(SVM)进行行为模型的训练和最终的行为预测。本文主要在中科院行为分析数据库(CASIA)和行为数据库Weizmann上进行了训练和测试。通过实验,取得了较好的识别效果,两个数据库上均有80%以上的识别率,与单纯的使用形状特征和兴趣点特征有了比较大的进步。为进一步的实际应用提供了比较好的理论基础和实验基础。