王 丹，张祥合

(1.吉林大学仿生工程学报编辑部，长春130022;2.吉林大学吉林大学学报(工学版)编辑部，长春130022)

目前，针对人体行为识别的研究按特征采集方式的不同分为非视觉的方法和基于视觉的方法两类，非视觉的方法是指在人身上或者人所在空间安装各类传感器采集人的活动数据。这种采集方式具有侵犯性，对于被测者增加了心理和生理负担［1］。随着机器视觉的发展，基于视觉的人体运动分析和身份鉴别越来越受到人们的关注［2］。在基于视觉的人体行为识别研究中，基于视频的研究比较多，而基于静态图像的研究相对较少［3］。从本质上而言，视频就是静态图像的序列化，基于静态图像的识别结果可以直接应用到视频识别中。相对于视频的识别，基于静态图像的识别更有困难和具有挑战性，因为静态图像缺少了视频中包含涉及时间的动态信息，例如，踢足球的图像中可能包含跑和跳的信息，演奏乐器的图像中包含仅手持乐器的图像等。在研究人类视觉系统处理机制的基础上［4－7］，将方向梯度描述符(Histogram of Oriented Gradient，HOG)引入到多尺度空间，建立了图像的多分辨鲁棒表示，并利用SVM提出了一种人体行为仿生识别方法。

1 算法原理

通过对大量人体行为理解研究文献的整理发现:人体行为理解研究一般遵从特征提取与运动表征、行为识别、高层行为与场景理解等几个基本过程，如图1所示。

图1 人体行为理解的一般性处理框架Fig.1 General frame of understanding of human behavior

特征提取与运动表征是……