随着科技的飞速发展,视频监控技术也随之成熟,而人形识别技术是现代视频监控系统的核心技术之一。人形识别对智能视频监控技术具有十分重要的理论价值和应用意义,人们丌始日益重视人形识别的研究。　　 人形识别是指将监控视频中的人形检测出来并进行统计,而人形识别的过程一般可分为三个部分,即视频图像预处理、人形特征的提取以及人形识别。本文首先综述了课题的研究背景,分析了国内外关于人形识别研究现状与进展并且阐明了课题的研究意义。在此基础上,提出了基于算术平均数粒度计算的人形特征约简算法,即基于多核和D-S证据的人形识别算法,具体内容如下:　　 1)详细阐述了适合于视频图像帧的特征提取方法及特征融合技术,阐述了支持向量机理论、为新的算法提供理论支持。　　 2)提出了基于算术平均数粒度计算的人形特征约简算法,将基于粒度计算的属性约简方法应用于人形特征的筛选,避免了传统方法难以准确消除冗余的缺点。采用支持向量机对目标图片进行人形识别,记录不同特征参数下的识别率,求出其算术平均数,并与单个数据做比较,简化决策表后通过粒度计算的方法约简人形特征。将得到的约简特征与原始特征在相同测试集下做人形识别实验,实验结果表明,该方法能消除冗余,提高识别的性能,且该算法的健壮性较好。　　 3)提出了基于D-S证据的人形决策融合识别算法。采用D-S证据的思想,对相同的测试图像样本使用不同特征集进行SVM分类,并用D-S证据的方法对各个识别结果进行决策融合。实验结果表明,使用D-S证据的思想进行人形决策融合识别可提高人形识别的识别率。　　 4)将上述的各种方法进行有机集成,并使用C++与Matlab联合编程方式进行编程开发,实现了所提出方法的程序,并且最终集成实现了图像中的人形识别原型系统,验证了所提出的方法的有效性和可用性。