王媛媛，王 斌

(1.陆军军官学院 基础部，合肥 230031;2.国防科技大学 信息系统与管理学院，长沙 410073)

人体行为识别是计算机视觉领域非常活跃的研究方向，在机器人技术、视频监控、人机交互、多媒体信息检索等方面有重要的应用［1］。人体行为识别通过从视频序列中提取能够描述行为特征的视觉信息，用机器学习算法和推理方法对这些信息进行理解、分类，以达到识别人体行为的目的。在视频行为识别和理解过程中，由于受视角转换、光照变化，以及背景、阴影、遮挡等环境因素的影响，所提取的行为特征对行为活动的表示存在着不稳定性和歧义性。如何从原始视频数据中提取有效描述人体行为的特征，选择有效的特征表示方法鲁棒地表征运动状态，并降低时间分辨率和维数以减少计算量是需要研究的关键问题。此外，如何开发高效而可靠的算法进行视频行为的分类和识别也是亟待解决的问题。

人体行为是一个时变信号，行为识别问题属于时变特征数据的分类问题。目前，人体行为识别的方法主要分为2 大类:模板匹配法和状态空间法［2］。模板匹配法是将人体行为看作时间序列上的一组静态图像序列。在识别阶段，从输入图像序列提取静态特征，并与在训练阶段得到的模板进行相似性匹配，选择相似度最接近的已知模板所属的类别作为被测试序列的类别。Bobick 和Davis［3］将图像序列目标运动信息转换成运动能量图像(motion enery image，MEI)和运动历史图像(motion history image，MHI)，采用马氏距离度量测试序列与模板之间的相似性。……