攻击性行为的识别是人体行为识别的重要组成部分，它的应用场景十分广泛。人们总是尽最大的努力保障自身的安全，监控系统的出现不仅提高了处理暴力事件的及时性，也降低了暴力事件发生的可能性。在未来的智能监控中，攻击性行为识别技术的使用能及时检测到暴力事件的发生，激发相应的措施以保障受害人的安全。　　本文提出了一种基于多Kinect的攻击性行为识别方法。为了减弱攻击性行为识别过程中人体自身的遮挡和人体之间的相互遮挡对识别精度的影响，本文使用两个Kinect传感器同时采集数据，采用三维坐标转换的方式，把一个传感器获得的骨骼关节点三维坐标映射到另一个传感器使用的三维坐标系中，然后根据关节点的置信度设置权值，进行数据融合。对融合后的数据提取关节三维坐标特征，该特征向量保留了关节点的全部空间信息，然后用训练好的支持向量机模型识别图像序列中的人体姿态。攻击性行为图像序列经过姿态识别后，就变成了一个符号序列，基于原子动作训练集训练好的多序列隐马尔可夫模型，估值算法对符号序列进行分割，找出其中的原子动作及其相应的起止点，这样就获得了攻击性交互行为中包含的原子动作列表和它们的时间关系，同时可以从动作参与者的关节点坐标获取两人的空间关系，依据描述的行为规则，识别图像序列中攻击性行为的类别。　　融合两个传感器获取的数据能有效降低遮挡对识别精度的影响，在进行数据融合时，骨骼关节点信息也比彩色图像更加方便，而且骨骼信息不受光线变化的影响。采用上下文无关文法表示攻击性行为，能有效融入已有的知识，在数据量较小的情况下仍然取得较高的准确率。采用模块化的分层方法提高了识别方法的灵活性，各个模块都可以用其他相似算法自由替换。