随着社会信息化、智能化的发展,未来社会必然走向“万物互联”的物联网世界。物联网将会改变计算机视觉和人工智能领域的研究方式,而人体行为识别做为它们的热门研究方向,自然也将成为物联网应用中的一环。现阶段的人体行为识别技术主要是提取视频中人的行为特征,但易受到拍摄角度、动态背景、执行主体等因素的影响,而且数据量大,传输耗时,因而对数据源、算法和机器有严格的要求。针对这些问题,本文首次提出基于物联网平台进行人体行为识别技术研究,它包含物联网平台和行为识别算法两大部分。其中物联网平台采用的是中国移动OneNET,它最大的优势就是支持跨平台、跨区域的硬件设备接入和物联网应用。文中设计以MQTT公有协议、RGMP私有协议做为设备接入协议,采用基于Kinect机的距离传感器、彩色摄影机做为视频采集模块,使其具备数据源采集功能;开发基于RESTFUL API接口的方式实现设备与平台的对接,利用RTMP实时信息传输协议实现平台内的视频推流和拉流;利用麒麟开发板、TCP/IP网络协议和GPRS/WiFi网络建立基于OneNET平台的智能终端做为数据传输通道。其次,提出了一种基于梯度的人体行为识别方法,它采用深度修正HOG与P-HOG相结合的方法提取深度序列中人体形态和时间信息。首先,利用显著性检测方法对原始深度图像实现去噪,突出场景中的人体行为,其次,利用深度修正梯度直方图(D-mHOG)获取深度序列中人的肢体和时间信息,并生成DM阵列以进一步优化D-mHOG描述子,再次,将塔式梯度直方图(P-HOG)应用于DM阵列从而获取深度序列中的时空结构信息,最后利用随机决策森林对提取的行为特征进行分类、判别。还对本文算法与经典识别模型进行识别准确率比较,并得到 MSR Actions 3D,MSR Action Pairs 3D,MSR Daily Activity 3D 三个数据集上的混淆矩阵。本文提出的基于OneNET平台的人体行为识别技术不仅算法在人体行为识别上表现优异,而且充分利用了物联网平台的易接入、数据存储、视频能力输出、消息分发的优势。