行为识别是在计算机视觉和模式识别研究领域都备受关注且具挑战性的一个研究课题,它是运动视觉分析和理解的高级处理环节,属于更高一层的视觉任务。人体行为识别的研究具有深远的理论研究意义和广阔的应用前景。它可以广泛地应用在安全监控、虚拟现实、运动技能训练及医疗诊断等领域。基于视频的人体行为识别是在实现运动跟踪和特征提取的基础上,对人体动作行为相关的特征进行分析,智能地完成人体行为的识别。当前研究的大部分行为还是一些如起立、坐下、拥抱、跑步等简单的动作,并且由于人体形态和人体动作的多样性、摄像机摆放位置及运动场景的复杂性等各种因素使得动作行为识别的研究至今仍然是计算机视觉研究领域中的热点与难点。针对上述问题,本文在总结分析了近年来国内外一些先进方法的基础上,采用基于人类视觉感知的图像处理机制提取视频中的显著特征。主要研究内容有:1.详细阐述人类视觉系统中视觉感知的神经生理学原理,研究人类视皮层中是如何提取特征的,以及视皮层神经元所具有的特征;并对基于视皮层感知原理的特征学习算法进行了深入探讨和研究。2.通过对基于视觉感知的特征学习算法的对比,本文选择了独立子空间分析(Independent Subspace Analysis ISA)模型。对ISA模型采用了一种新的学习算法—相对梯度下降算法,大大地提高了算法的效率;并提出了一种新的特征提取算法-栈式卷积ISA模型。3.详细地介绍本文所采用的行为识别系统,本文选择的整体系统框架包括样本的采样、数据的预处理、特征提取、特征矢量化以及最后的分类。并对本系统框架中每个处理流程所用的算法设计与实现进行了具体阐述。4.使用MATLAB对本文采用的行为识别系统进行仿真实验。使用行为视频库Hollywood2对本文选择的行为识别方法的性能进行验证,并与其他的先进方法进行对比。实验结果表明基于视觉感知的行为识别方法能够学习到有效的显著特征,达到较高的识别准确率。