人体行为识别是人体运动分析的重要研究方向,也是从事计算机视觉技术方面研究的主要分支之一,其涉及领域宽广,包括模式识别、机器学习、人工智能、图像学、数学统计等多门前沿学科,涵盖了计算机视觉及其相关领域的所有技术和理论。该项技术主要应用于军事、医疗、体育、教育、娱乐、防暴等行业,具有很高的研究意义、广阔的商业应用前景和巨大的社会价值。本文以走路、跑步、单腿跳、双腿跳等七个动作为主要研究对象,提出一种基于背景建模的人体行为识别方法,旨在提高人体行为的识别率。具体研究工作如下:1.改进经典中值滤波算法。首先通过先判断像素点是否被污染,再决定是否计算中值去噪,克服了经典方法中不论像素点是否被污染都必须计算中值去噪的缺陷,最大程度地保护了图像的细节。同时改进的方法通过扩张图像边界的方式,使图像边界区域像素也得到了去噪处理,提高了图像处理后的画质。2.通过建立辅助背景的方法改进平均背景建模法,提高背景更新的精确度。通过对比目标区域与其邻域直方图的方法改进Vibe背景建模法,判断和消除鬼影,使图像序列中提取的人体运动区域更为精准。3.改进了Hu不变矩提取方式。通过消除比例因子和阶数,降低图像失真对Hu不变矩值的影响,提高了特征值提取的精度,使其更为精确地反映人体运动区域的本质。4.在识别与分类环节,本文使用了支持向量机对提取的人体运动区域的Hu不变矩特征集进行训练和学习,再分类与识别人体行为的动作。通过对比仿真实验结果,证明上述方法能够提高人体行为动作的识别率,可以作为此方面研究与学习的参考方法。