随着现代技术的发展,人们对智能化生活的要求越来越高,计算机视觉和模式识别技术作为推动人类生活智能化的重要技术,获得广泛关注并取得快速发展。作为计算机视觉重要研究方向的人体动作识别技术涉及到多个领域,具有巨大的使用价值和应用前景,无数研究工作者针对这个课题进行了大量研究,该课题已发展成为当前最热门的研究课题之一。早期动作视频处理技术都是基于彩色RGB图像的视频处理方法,由于彩色图像均由二维数据构成,图像易受光照影响,处理程序繁琐且效果不佳,所以寻找新的图像表征方法成为人们的共识。Kinect深度传感器的出现使我们能够获得深度图像,深度图像包含图像深度信息和人体骨骼点信息。本文基于Kinect提取的骨骼点信息,对人体动作识别方法进行以下研究,主要内容包括:第一,阐述人体动作识别课题的研究背景和意义,分析当前国内外人体动作识别领域现状和尚待解决的问题。掌握动作识别的具体流程,深入分析目标检测、特征表示、特征提取和分类识别等主流方法的优缺点。认识并研究了当前已有的人体动作数据库以及Kinect工作原理。第二,本文提出了一种基于骨骼局部空间特征的人体动作识别算法。该方法首先通过骨骼数据提取人体骨骼关节点的空间位置差特征、空间角度特征和关节夹角特征,并进行归一化,然后将得到的特征送入隐马尔科夫模型分类器进行分类和识别。通过在MSR3D Action数据库上仿真实验,证明该方法对于较复杂的动作序列的有较好的识别效果,并且在高难度的交叉测试中相对已有方法识别率有所提高。第三,考虑到人体动作序列的时序性,提出了一种基于骨骼词袋特征模型的人体动作识别算法。该方法在提取局部空间特征的基础之上,加入图像序列的帧间特征,并利用词袋特征模型对动作进行特征编码表示,同时引入时域金字塔匹配模型对动作词袋特征进一步划分并生成最终的动作描述子,以充分利用动作序列的时域特性,最后使用支持向量机进行分类。在通用数据集上的测试表明该方法有较好的识别效果。