随着计算机运算和存储等各方面性能飞跃性提高,计算机视觉逐渐被应用于实现复杂的人机交互功能。基于视频的行为检测与识别是计算机视觉领域中重要的研究课题之一,该研究方向结合了模式识别、人工智能、图像处理等多方面技术,并且在视频监控、视频智能分析、异常检测、人机交互等方面有诸多应用。本文对基于视频的人体行为表征与识别技术进行探讨和研究。本文首先对运动行为进行检测和预处理,采用了帧差法、光流法和背景减除法提取图像前景,对提取结果进行数学形态学处理,并探讨了各种不同的边缘提取方法用以运动目标的轮廓检测。在特征提取方面,本文介绍了PCA方法、网格法,并着重研究改进的人体骨架法作为特征向量提取方案,提出了极值统一化的方法,并将特征向量通过旋转匹配方法序列化,最后对匹配结果和正确率进行分析,并归纳比较各种特征提取方法的优缺点。论文中研究了基于统计数学的隐形马尔科夫模型(HMM)算法对人体行为进行分类识别。将KTH和Weizmann人体行为数据库中的视频作为测试样本,针对特征提取后的样本序列分组训练和识别。实验结果表明,本文提出的基于人体骨架特征提取的HMM行为识别方法具有较好的匹配和识别效果,该算法计算成本低、速度快,具有较好的通用性和鲁棒性。