随着计算机的发展，计算机视觉技术成为近年来的研究热点，计算机视觉就是利用摄影机等成像设备代替人眼采集信息，然后由计算机代替人脑完成对运动目标的检测、跟踪、识别等过程。人体动作识别是当今计算机视觉领域的热点的研究方向之一，在移动终端设备中，可进行更智能化的人机交互，在智能监控系统中，可实现监控的无人化值守。支持向量机(Support Vector Machine，SVM)是由Vapnik等人在统计学习理论的基础上提出的一种新型机器学习方法，在泛化能力和学习性能等方面具有明显优势，能有效地解决小样本、非线性、高维数等问题，是一种强有力的分类方法。自20世纪90年代提出以来，SVM就得到了迅速的发展，被广泛应用于人脸识别、文本分类、医学图像处理等领域。核方法是实现支持向量机中非线性映射的一种重要方法，核方法的关键技术是核函数的选择或构造。本论文的目的是研究混合核函数在人体动作识别中的应用。本论文主要工作如下：1.为克服局部性核函数学习能力强，但泛化性能较弱，而全局性核函数泛化性能强，但学习能力较弱的不足，提出将两类核函数组成混合核函数，人体动作识别实验表明该方法优于单核函数。2.提出采用基于混合核函数SVM的方法进行动作识别，与常用的模板匹配法进行人体动作识别相比较，具有运算量小，识别率高的特点。3.在伊利诺伊大学人体动作数据库中，只有人体动作的彩色图像，为了方便采用主成分分析算法进行降维处理，以提高运算速度，本文对所有图像进行了灰度处理，建立了灰度图像数据库，并用实验证明了基于混合核函数支持向量机在动作识别中的实用性和有效性。