人机交互、体感游戏、智能化监测都是人体动作识别的研究领域,他们渗透入了生活的方方面面。而室内是人类活动频率最高的环境,人的生命中大部分时光是在室内度过的,因此在室内环境下的动作识别研究更加贴近日常生活。在采集人体动作信息的解决方案上,使用可穿戴设备存在穿着不便、信息泄露等问题,而使用单目相机则缺乏深度信息。因此本文主采用双目相机对人体的动作识别进行研究。而在双目相机下的动作识别方面,前景检测与特征提取是两个重要方向。人体目标的前景检测存在背景噪声干扰的问题,前景信息容易有误差。而对人体动作的特征提取方面,特征子信息不足容易导致动作混淆。所以本文在动作识别过程中对这两个方向进行了详细分析。为了利用双目相机的优势得到含有空间距离信息深度图,本文通过相机的标定、校正、立体匹配等环节完成了对深度图的获取。同时在立体匹配环节,本文分析比较后选择了综合效果最好的SGBM(Semi-global block matching)算法。前景检测可以更好的获取原始图片中的运动信息,本文应用了Vibe(Visual background extractor)算法对运动图像进行前景提取。针对传统Vibe算法噪点块过多问题,本文利用形态学处理做出了有效优化。同时结合单目彩色信息进一步改进了Vibe算法,得到了更为精确清晰的前景图像。在经过前景检测采集到人体运动前景后,本文采用稠密光流法对特征点进行提取。本文在人体序列的跟踪轨迹上建立时空网格,并且利用传统描述子进行特征提取。本文还加入了立体视觉特有的深度信息,使用DMM-HOG(Depth Motion Map-HOG)描述子改进了传统特征提取方法。本文借助机器学习对设定的人体动作测验识别率,改进后的特征明显降低了动作混效率,提高了人体动作识别率。综上,本文在分析了双目立体视觉的基础上,对人体动作识别展开了研究,并且在前景检测算法与特征提取方面都做出了优化和改进,完成了人体动作识别的预期目标。