随着物联网、互联网+时代的到来,人们逐渐迈入智能化网络时代,这也意味着计算机等智能设备将会更加关心人体的动作并与人体进行交互。人体动作识别一直是计算机视觉和人工智能领域中的热门研究问题,在智能监控和高级人机交互等领域也有非常好的应用场景。本文主要研究了基于半身混合模型的人体动作识别。在研究动作识别时运用了人体姿态序列对人体动作进行建模识别的方法,将人体动作识别分解为图像特征提取、人体姿态估计和动作识别三个递进的过程。本文分别对特征提取速度、姿态估计准确率和动作识别时序性建模等问题进行了研究,并设计了一套对应的求解算法。主要研究内容如下:(1)分析了传统HOG特征提取方法的主要思想及其存在的问题。针对传统HOG特征提取方法存在的维度大速度慢的问题,设计了一种基于GPU并行化的特征提取算法,并完成特征提取实验。(2)研究设计了基于半身混合模型的人体姿态估计算法。人体半身混合模型由一组人体部件构成,部件之间使用弹簧连接,使用分数函数表示部件匹配相似度和弹簧形变开销。从模型分析、模型建立和模型实现主线出发,详细的分析研究了姿态估计实现的细节,如推理、距离转换、消息传递、回溯和非最大值抑制等环节。(3)研究设计了基于人体姿态序列和隐马尔科夫模型实现人体动作识别的算法。详细的研究了行为识别模型的选择、模型的表达和训练,并设计了人体姿态的贝叶斯网络模型与人体姿态序列的隐马尔科夫模型,最后在不同数据集中完成本文动作识别方法的分析和对比实验。从理论分析和最终实验结果可知,本文比较好地解决了人体动作识别中的特征提取速度、姿态估计准确率和动作识别时序性建模等问题。