计算机科学技术快速发展,机器学习和深度学习等人工智能化程度对人类生活越来越影响广泛,现阶段对于计算机视觉的学习热度都得到了广泛的关注。这其中应用于生活中的技术有很多,比如,对一段视频中的人体行为识别技术应用在防护治安以及视频监控等领域^[1]。对于视频中人体行为识别研究方面,科学技术的发展提高了人们研究手段,如RGB-D摄像机的出现可以大量提供其中的深度信息,同时当信息收集完成后怎样获取其中的有效信息也是一大挑战。这是人体动作行为识别的最大弊端之一,实时性不好,冗余数据量大。对于这一弊端,行为预判可以有效地解决。现阶段的行为识别技术对人类的行为动作识别已取得一定的成果,但是行为预判研究尚处于刚刚起步阶段。在2018年西安电子科技大学提出了基于深度学习的行人姿态识别与行为预判算法;同一年新疆大学,发表了劳作型下肢外骨骼机器人动作识别及行为预判方法的研究论文等。图像边缘检测结果可以缩小行为动作范围,有利于对行为预判;人体的肢体角度变化是一个明显的特征且易于收集,因此,基于行为关键骨架关节点角度模型,提出周期分帧动作预判算法。首先,对日常行为进行正确的识别分类,提取动作关键的骨架关节点夹角特征,设定夹角变化阈值,建立该类动作相应的骨架模型;其次,对未分类动作数据集进行分帧提取并进行骨架细化处理,计算出四肢的夹角变化范围,通过模板匹配进行动作预判,并确定动作的关键帧。实现预判的算法的主要创新在于不需要完成整体动作的识别就能够很好的进行动作预判,并能够确定视频中动作行为的关键帧;与此同时,本文提出了一种动作周期分帧预判算法。首先,对行为进行预处理;然后,基于动作角度特征建立人类日常行为骨架模型;接着,对视频分帧并进行图像细化处理,并计算四肢以及肢体的局部整体角大小,最后,根据阈值的选取范围,对动作的下一帧进行预判。