Tom M.Mitchell曾说能否具备行为认知能力是机器能够具备智能的重要因素之一,因为它让机器直接和自然地与人与物实现交互,而不需要任何特定的硬件接口。当今时代,人类已经站在人工智能潮流的风口浪尖,人工智能对于人类来说已经不是用不用,而是如何用、高效用的问题,而提升机器自主行为识别能力对于解决上述问题至关重要。行为识别是多学科多领域研究的热点难点问题之一,实现视频中高效的行为特征提取和描述对于行为准确识别和理解具有至关重要的意义。前期研究工作虽取得丰硕成果,但是在不同场景应用中由于描述行为的特征面临包括噪声、识别目标辨识性差等因素影响,提取特征健壮性较弱;另外在特征提取和描述过程中还存在全局上下文信息、颜色纹理信息等多样性特征损失等问题。上述特征提取和描述所面临的问题都将极大影响行为识别的准确性,因此本文将围绕以上问题开展相关研究,主要工作如下:(1)提出新的定性轨迹关系特征描述子用于轨迹特征提取和描述,实现复杂交互行为识别。QTC算子易于受短期波动噪声影响,且缺少对交互轨迹的全局上下文信息描述和表示。因此本文在研究借鉴QTC算子的基础上,提出了三种新的定性轨迹关系特征描述子,即新的点-点定性轨迹特征描述子、子轨迹-子轨迹定性轨迹特征描述子和点-轨迹定性轨迹特征描述子,实现对交互轨迹局部特征更加细致的描述,平滑局部波动噪声和较好描述交互轨迹的全局上下文信息。最后通过在模拟交互轨迹测试集和车辆交互行为公开库上,对本文提出的新定性轨迹特征描述子与包括QTC算子在内的基于轨迹的行为特征描述方法进行比较,验证本文提出算子的有效性。(2)研究提出一种局部活跃度模式特征描述子用于活跃球员检测和定位,实现体育视频战术行为特征提取和描述。当前以多目标跟踪,提取运动目标轨迹作为底层特征提取和描述的体育视频战术行为识别方法易受目标遮挡、辨识性差等因素影响。本文提出一种局部活跃度模式特征描述子用于视频中活跃球员的检测和定位,从而建立了一个基于非轨迹的体育视频战术行为识别方法框架。该框架首先通过场地线检测和摄像机标定实现场地真实三维空间坐标系重建和场地区域分割,然后利用所提出的局部活跃度模式特征描述子实现视频中活跃球员检测和定位,借助场地分割区域构建活跃球员的时空分布用于实现战术行为描述和识别,最后利用该识别框架对2012年欧洲杯和2013/14赛季西班牙足球甲级联赛中巴塞罗那所有比赛场次进攻模式的战术行为进行识别,取得较为满意的识别结果。(3)研究提出一种自适应三维正交面局部二值模式特征描述子用于行为特征描述,实现母牛产前行为识别。当前养殖环境监控视频易受噪声影响画质较差,并且基于视觉的家畜异常复杂行为识别研究较少。本文首先在借鉴中值滤波实现非线性平滑噪声思想基础上提出一种自适应三维正交面局部二值模式特征描述子(Adaptive local binary patterns on three orthogonal planes,ALBP-TOP),新算子在经典LBP-TOP算子的基础上利用窗口邻域像素线性加权值对中心阈值进行自适应调整,从而实现平滑视频噪声对于算子特征编码的影响。研究提出了一个母牛产前异常行为识别框架,利用时空兴趣点和ALBP-TOP算子实现视频中行为特征提取和描述,构建视觉词典用于母牛基本行为识别,最终通过对观测视频中产前基本行为发生频次规律的统计实现母牛产前行为识别与规律发现。(4)研究提出一种基于改进人工蜂群算法优化脉冲耦合神经网络的目标分割方法。行为识别中目标分割对于准确提取运动目标外部轮廓特征和区域纹理特征具有重要意义。当前目标分割方法大多作用在二值图像或灰度级图像上,易于丢失大量颜色纹理信息。因此本文提出一种改进人工蜂群算法优化脉冲耦合神经网络并用于目标区域分割。首先通过引入尺度因子自适应调整解的搜索寻优策略,以信息熵加权线性函数作为蜂群搜索解的收益度损益评价函数改进经典人工蜂群算法;然后利用改进人工蜂群算法优化脉冲耦神经网络参数实现网络参数自主调节;最后将改进脉冲耦合神经网络应用于RGB彩色图像目标分割。结果表明本文方法能够更加细致的体现目标的外部形态特征和较为完好的保留目标区域颜色纹理信息。综上,本文针对行为识别中特征提取和描述相关问题开展研究,提出解决方法并进行实验验证,本文的相关工作为后续研究提供参考借鉴的思路。