王世刚，孙爱朦，赵文婷，惠祥龙

(吉林大学 通信工程学院，长春130012)

0 引 言

人体行为识别是计算机机器视觉、模式识别研究领域的一个非常重要的研究方向［1－3］，近年来，已经在视频监控、病人监控及人机交互等很多领域内得到广泛的应用。一般来说，人体行为识别可以分为以下的几个基本过程:底层的特征提取和运动表征、简单动作识别;高层的复杂行为和场景理解等［2］。

大部分研究在分析双人交互行为时都先分析单人原子行为，再分析双人行为。例如Park 等［4］采用贝叶斯网络识别单个人体部分的姿态，然后建模单人原子行为，最后创建描述交互行为的决策树。Ryoo 等［5］将交互行为分为人体部分提取层、姿态层、单人动作层和交互行为层。韩磊等［6］将两人的交互行为识别分为底层采用概率图模型建模单人原子行为。本文认为，双人交互行为同单人行为一样，可以被看做是一个整体的行为，在识别时不需要将两人单独进行研究，所以本文提出一种将交互行为作为一个整体的人体行为的识别方法，既可用于单人行为识别又可用于双人交互行为识别。最后，通过实验验证了本文方法。

1 时空特征的提取

1.1 时空特征点的提取

在空间域内提取兴趣点有很多种方法，比如比较常见的Harris 角点检测方法［7］。该方法认为，角点为图像中正交方向上梯度向量比较大的点。该梯度向量由以下公式获得:

式中:(x，y)为空间坐标信息，g(x，y)是高斯平滑函数。

通常空域中的兴趣点只包含图像中的空域信息，而没有图像的运动信息，这对人体行为的特征表示而言是非常重要的。……