目前人体行为识别在社会的各个领域都起到了重要作用,比如在运动视频分析、安全监测、人机交互以及虚拟现实等方面,促进了各行业的发展。因此,对于人体行为识别技术的研究在科学研究领域掀起了一股热潮。尽管目前已经提出了各种各样的行为识别算法,但是由于数据库以及人体运动的复杂性,人体行为识别技术仍然有很多需要完善以及研究的地方。在人体行为识别研究中,常常会忽略时序信息,本文主要针对于人体行为识别中时序信息丢失的问题,对人体行为识别进行了研究,本文主要内容包括:(1)为了提取一种既能很好的表示人体运动,又能适合于时序建模的特征,本文对方向梯度直方图、光流直方图和运动边界直方图这三种常用的特征进行了实验,寻找一种更好的特征表示。通过实验本文发现运动边界直方图更加适合于人体行为识别中时序信息建模。(2)视频特征提取与表示形成的时间序列数据通常存在部分维度是不相关的或冗余的,如果直接对原序列进行处理,则会大大降低数据处理算法的性能,需要寻求一种有效算法来剔除不相关的维度。然而,多维时间序列的各维度之间又存在着一定的联系,必须整体考虑各维度情况。本文为解决这一问题,本文采用了时间序列挖掘中的局部线性嵌入算法、拉普拉斯特征映射算法、局部保持映射算法对这些时间序列数据进行实验和分析,根据实验结果选取局部保持映射算法。(3)在人体行为识别中通常会有时序信息缺失的问题,虽然传统的线性动态系统能够捕获时序信息,但是由于传递矩阵与输出矩阵受到排列、旋转和线性组合的限制,使得输出矩阵中的每一行都不能唯一地标识相应系统的特性。本文采用复数线性动态系统进行时序建模,既能够提取时序信息,同时又能解决传统线性动态系统的缺点。通过实验验证了复数线性动态系统更加适合于时序建模,提高了分类精度。