摘要：目前监控视频中可疑行为的识别已成为计算机视觉领域的研究的重要课题。本文围绕可疑行为初步检测、可疑行为分解、基本动作的识别和可疑行为识别等问题展开了研究,主要研究工作体现在以下几个方面。(1)提出了基于视觉注意力模型的可疑行为初步检测方法。针对现有的通过分析视频中所有人体行为的检测方法所存在的计算复杂、难以通用的不足,文中将视频中的人体行为作为一个整体,利用基于时空显著性的视觉注意力模型,检测视频中可疑行为。(2)提出基于概率主成分分析(Probabilistic Principle Component Analysis, PPCA)的可疑行为分解方法。利用PPCA的方法对轮廓特征进行建模,通过不同动作数据分布的不同找到可疑行为分解点。该方法无需对行为进行复杂建模,可以快速有效地在实时视频中将连续的可疑行为分解。(3)针对可疑行为分解后的动作,提出了基于模板匹配的动作识别方法。以Zernike矩作为相似性的度量,有效地表征了匹配特征的平移、旋转、缩放的不变性。该方法避免了基于状态模型识别方法复杂的参数设置和模型训练过程,改善了动作识别的性能。(4)提出基于案例推理的可疑行为识别方法。将可疑行为案例表示为其中所包含基本子行为序列,并考虑了各基本子行为的时间关系,通过匹配算法具体识别可疑行为的类型。该基于案例推理的方法为一动态数据库的方法,优于基于固定模型和固定规则的识别方法。实验结果表明,文中方法能够有效地检测和识别监控视频中的可疑行为。