随着视频监控、智能家居和智能驾驶等领域的高度发展,人体行为检测与识别展现出庞大的市场需求和极大的科研价值。实际应用中,视频的拍摄角度、背景光线、人体特征的多变性与人体各行为间的联系等诸多因素,使得基于特征属性的人体行为检测与识别成为研究人员关注的重点。本文提出了一种基于特征提取的偶见动作行人检测的方法,针对因行人肢体动作过大,如弯腰、蹲下等导致识别率降低的问题,弥补了现有技术的不足,在行人数据上进行测试分析,并采用其他方法再度实验对比,使得该方法的有效性得到了充分的证明。提出了一种基于张量的图匹配行为识别方法,考虑到空间和时间复杂性的问题,首先从原始视频中提取特征,经过一定的处理,形成高阶特征描述符;利用提取的高阶特征进行学习训练,通过学习算法实现分类并在公开的行为数据上进行测试,实验结果验证了该方法的有效性。提出了一种基于特征学习图匹配的行为识别方法,该方法的关键是学习类模型图,从而完成匹配识别。结合结构化支持向量机和中层SIFT特征进行学习,并在KTH和UCF50行为数据集上进行了实验,同时选取不同的算法进行实验分析对比。统计结果表明此方法的识别性能突出,验证了基于特征学习图匹配的行为识别方法的有效性。