1、人體行為識別作為計算機視覺學(xué)科中一個非常重要的領(lǐng)域，越來越多的研究機構(gòu)、高等院校以及相關(guān)企業(yè)都投身到該領(lǐng)域的研宄中，對于視頻中的人體行為視頻有許多實際應(yīng)用，例如：視頻監(jiān)控、人機交互、視頻檢索等等，由此可見，對視頻中的人體行為識別分析研究在現(xiàn)在和未來都是具有極高的學(xué)術(shù)研究價值和商業(yè)應(yīng)用價值的。視頻中的人體行為識別一直是計算機視覺學(xué)科中的一個難點，目前現(xiàn)有的人體行為識別依舊停留在針對簡單場景下單個運動目標(biāo)的簡單行為識別，而對視頻中復(fù)雜的現(xiàn)實

2、場景下的復(fù)雜行為的識別正確率較低，沒有達到可使用的識別精確度。通常而言，人體行為識別大體可以分為提取視頻描述特征、訓(xùn)練視頻描述特征和對視頻描述特征進行分類這三個步驟。本文參考了大量的國外發(fā)表的相關(guān)的技術(shù)論文和會議，對國內(nèi)外相關(guān)領(lǐng)域的發(fā)展現(xiàn)狀進行了分析和總結(jié)，針對目前各種特征提取算法的優(yōu)缺點和該研宄領(lǐng)域的局限性，提出了一種新的特征，該特征首先通過把多閾值像素轉(zhuǎn)移比率圖（MTPSRM)、邊緣方向直方圖（EOH)和運動方向直方圖（MOH)作為

3、全局特征，與局域Cuboid特征進行融合，構(gòu)造了一個既包含了行為的全局特征又包含行為局域特征的新的特征，提高了用單一特征進行識別的識別正確率；然后對提取到的視頻描述特征通過在線字典學(xué)習(xí)、局域線性編碼(LLC)等機器學(xué)習(xí)方法后得到最終的視頻特征代表；最后用本文提出的將稀疏線性分類器與支持向量機（SVM)以打分的機制相結(jié)合的分類器進行分類識別得到最終的識別結(jié)果。
　　本文在MATLAB平臺上實現(xiàn)了算法，用Weizmaim視頻數(shù)據(jù)庫、K