目前,基于视频的人体运动分析是一个非常活跃的研究领域,而其高级阶段,人体运动识别更是该领域内一个富于挑战性的课题,它在人机交互、智能监控、体育性能分析、内容检索等领域具有广泛的应用前景。在分析总结国內外计算机领域关于人体运动识别研究工作的基础上,本文作者从视频中运动捕获的数据出发,针对具有复杂动作特征的人体动作识别和人体连续动作识别,分别建立了合适的模型。主要研究内容如下:首先,针对传统概率模型中对观测序列的限制和存在的“标记偏置”问题,提出了基于条件随机场模型描述人体动作时序特征序列的方法。该方法无需对观测建模,从而避免了独立性假设,并在优化过程中进行全局归一化又能解决“标记偏置”问题,从而更符合实际情况中人体动作建模。此外,由于条件随机场模型具有容纳观测值重叠和长距离依赖特征的特点,该方法在处理复杂人体动作识别时具有很强的优势。然后,针对人体连续动作的动作分段和识别,提出一种将条件随机场和条件概率密度传播相结合的方法。该方法将连续动作识别分解成各个单个动作识别的分治方法。首先利用条件概率密度对连续动作序列进行分割,采用一种先假设再验证的策略,假设多个可能的动作分段,再以条件随机场输出的概率形式的识别结果验证分段假设。由于分割时去除了动作转换过程中部分过渡帧,从而减轻了过渡姿势的影响,提高了识别的鲁棒性和正确率。实验结果表明,本文作者提出的复杂动作识别和连续动作识别方法是行之有效的,并为进一步的研究奠定了良好的基础。