随着动作捕获设备的成功推出和普及，它们在智能监控、人机交互、人体行为识别等领域已经得到了一些应用。本文以动作捕获设备Kinect获得的数据为基础，对人体动作行为的表示方法和识别方法进行了研究。为了更好地理解人体的动作行为，本文使用Kinect捕获的人体三维关节点的数据并根据人体结构的特点提取出人体关节向量间的角度信息和关节点的相对距离系数，作为表示人体姿态的特征参数。本文把人体行为识别的研究内容分为包含典型静态姿态的行为识别和不包含典型静态姿态的动态动作识别两部分，通过建立人体姿态静态保持模型，来判断人体动作序列中是否包含有典型静态姿态，然后使用决策树分类算法对包含有典型静态姿态的人体行为进行识别；对于未包含有典型静态姿态的动态动作，本文根据DTW算法和KNN算法的特性提出了一种新的人体动作序列相似性的度量参数，即类别可信度，并把该参数应用到分类算法中，完成了未包含有典型静态姿态的人体动态动作的识别。实验结果表明，本文针对包含有典型静态姿态的人体行为和不包含有典型静态姿态的人体动态动作分别提出的人体行为识别方法，可以取得较好的实验效果，比现有方法具有更高的识别准确性。