意图识别是一种认知他人计划、目的的能力,使得人类可以推断出别人在做什么事情,为什么他们要这样做,接下来他们会怎么做,这个基本的认知能力是人际交流的关键。使机器通过视觉手段来对现实生活中的人类意图进行理解和推断,这种技术在智能监控、自然人机交互、人体运动分析、虚拟现实等众多领域具有广泛的应用前景和经济价值,所以备受关注。本文围绕基于视觉的人类意图识别的相关问题来展开研究,主要包括人体动作识别、相关物体定位识别和意图识别算法三个方面。人体动作识别是基于视觉的人类行为和意图研究的基础,本文采用Kinect视觉传感器采集真实场景中的彩色和深度图像信息,构建出与远近方向无关的人体骨骼参数,并通过逻辑斯蒂(Logistic)回归对人体行为进行分类,得到了较为准确的动作信息。识别人类意图不仅需要认知人体行为,更需要了解与其相关的物体信息,而生活中的物体千变万化,单从一种特征的角度去分析和识别容易产生误差,本文将尺度不变(SIFT)特征和颜色直方图两种图像特征分别构建其概率密度函数,并采用D-S证据推理方法将两种信息进行融合判断,得到更加全面的物体特点用以识别不同的物体。由于人类意图的随机性,造成中途放弃、局部有序等识别问题,对普通的意图识别方法结果造成大量干扰。本文结合粗糙集的思想,将人类意图建立包含时间属性的分层模型,采用分层递阶约简方法提取出意图组成中的核信息,最终得到意图决策集,减小了以上问题所带来的干扰。